論文の概要: MRI Contrast Enhancement Kinetics World Model

• arxiv url: http://arxiv.org/abs/2602.19285v1
• Date: Sun, 22 Feb 2026 17:39:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.565454
• Title: MRI Contrast Enhancement Kinetics World Model
• Title（参考訳）: MRIコントラスト強調運動学世界モデル
• Authors: Jindi Kong, Yuting He, Cong Xia, Rongjun Ge, Shuo Li,
• Abstract要約: 人間の体内におけるコントラスト強化運動学をシミュレートするために世界モデルを適用することは、連続したコントラストのないダイナミクスを可能にする。 MRI取得における低時間分解能は、世界モデルのトレーニングを制限する。 時空間一貫性学習(STCL)を用いたMRI CEKWorld(Contrast Enhancement Kinetics World Model)を提案する。
• 参考スコア（独自算出の注目度）: 8.691568608551444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Clinical MRI contrast acquisition suffers from inefficient information yield, which presents as a mismatch between the risky and costly acquisition protocol and the fixed and sparse acquisition sequence. Applying world models to simulate the contrast enhancement kinetics in the human body enables continuous contrast-free dynamics. However, the low temporal resolution in MRI acquisition restricts the training of world models, leading to a sparsely sampled dataset. Directly training a generative model to capture the kinetics leads to two limitations: (a) Due to the absence of data on missing time, the model tends to overfit to irrelevant features, leading to content distortion. (b) Due to the lack of continuous temporal supervision, the model fails to learn the continuous kinetics law over time, causing temporal discontinuities. For the first time, we propose MRI Contrast Enhancement Kinetics World model (MRI CEKWorld) with SpatioTemporal Consistency Learning (STCL). For (a), guided by the spatial law that patient-level structures remain consistent during enhancement, we propose Latent Alignment Learning (LAL) that constructs a patient-specific template to constrain contents to align with this template. For (b), guided by the temporal law that the kinetics follow a consistent smooth trend, we propose Latent Difference Learning (LDL) which extends the unobserved intervals by interpolation and constrains smooth variations in the latent space among interpolated sequences. Extensive experiments on two datasets show our MRI CEKWorld achieves better realistic contents and kinetics. Codes will be available at https://github.com/DD0922/MRI-Contrast-Enhancement-Kinetics-World-Model.
• Abstract（参考訳）: 臨床MRIコントラスト取得は、リスクとコストのかかる取得プロトコルと固定およびスパース取得シーケンスとのミスマッチとして提示される非効率な情報収量に悩まされる。 人間の体内におけるコントラスト強化運動学をシミュレートするために世界モデルを適用することは、連続したコントラストのないダイナミクスを可能にする。 しかし、MRI取得における低時間分解能は世界モデルのトレーニングを制限し、わずかにサンプリングされたデータセットを生み出す。 運動学を捉えるために生成モデルを直接訓練することは、以下の2つの制限に繋がる。 (a) 欠落した時間に関するデータがないため、そのモデルは無関係な特徴に過度に適合し、内容の歪みを引き起こす傾向にある。 (b) 連続的な時間的監督の欠如により、モデルは時間の経過とともに連続的な速度論的法則を学ばず、時間的不連続を引き起こす。 まず,時空間一貫性学習(STCL)を用いたMRI CEKWorld(Contrast Enhancement Kinetics World Model)を提案する。 目的 (a) 患者レベルの構造が拡張の過程で整合性を保つという空間法則に導かれ, 患者固有のテンプレートを構築し, 内容に整合性を持たせるための遅延適応学習(LAL)を提案する。 対訳 対訳 対訳 対訳 対訳 対訳 対 (b) 運動学が一貫したスムーズな傾向をたどる時間法則に導かれ, 補間による非観測区間の拡張と補間シーケンス間の潜時空間のスムーズな変動を制約する潜時差分学習(LDL)を提案する。 2つのデータセットに対する大規模な実験は、我々のMRI CEKWorldがより現実的な内容と運動学を達成することを示している。 コードはhttps://github.com/DD0922/MRI-Contrast-Enhancement-Kinetics-World-Modelで入手できる。

関連論文リスト

• Moving Beyond Functional Connectivity: Time-Series Modeling for fMRI-Based Brain Disorder Classification [8.837732238971187]
  機能的磁気共鳴イメージング(fMRI)は、血液酸素レベル依存(BOLD)シグナルをキャプチャすることで、非侵襲的な脳障害の分類を可能にする。 既存のほとんどの手法はピアソン相関による機能接続(FC)に依存している。 5つの公開データセットにまたがる生のBOLD信号に関する最先端の時間モデルをベンチマークする。
  論文  参考訳（メタデータ） (2026-02-09T04:42:42Z)
• Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
  分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。 近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。 物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
  論文  参考訳（メタデータ） (2026-02-02T14:13:28Z)
• NeuroSSM: Multiscale Differential State-Space Modeling for Context-Aware fMRI Analysis [4.753690672619091]
  本稿では,fMRI時系列における生BOLD信号のエンドツーエンド解析のための選択的状態空間アーキテクチャであるNeuroSSMを提案する。 NeuroSSMは2つの相補的な設計コンポーネントを通じて上記の制限に対処する。 臨床および非臨床データセットの実験は、NeuroSSMが最先端のfMRI分析法と競合する性能と効率を達成することを示した。
  論文  参考訳（メタデータ） (2026-01-03T16:35:45Z)
• Learning Patient-Specific Disease Dynamics with Latent Flow Matching for Longitudinal Imaging Generation [17.33607122354623]
  疾患の進行を理解することは、早期診断とパーソナライズされた治療に影響を及ぼす中心的な臨床課題である。 本稿では,この病気の動態を速度場として扱い,フローマッチング(FM)を活用して患者の時間的変化を一致させることを提案する。 患者固有の潜伏進行をフローマッチングでモデル化するためのフレームワークである$-LFMを提示する。
  論文  参考訳（メタデータ） (2025-12-09T23:13:54Z)
• Flow-Guided Implicit Neural Representation for Motion-Aware Dynamic MRI Reconstruction [19.66198868468091]
  動的磁気共鳴イメージング(dMRI)は解剖学的に時間分解されるが、限られたサンプリングや運動によって引き起こされるアーティファクトによってしばしば挑戦される。 本研究では,動的画像列とその基盤となる運動場を協調的にモデル化する,新しい暗黙的ニューラル表現フレームワークを提案する。 動的心臓MRIデータセットの実験により、この手法は最先端のモーションインスパイアされた深層学習手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-21T04:51:23Z)
• Trajectory Flow Matching with Applications to Clinical Time Series Modeling [77.58277281319253]
  Trajectory Flow Matching (TFM) は、シミュレーションのない方法でニューラルSDEを訓練し、ダイナミックスを通してバックプロパゲーションをバイパスする。 絶対的性能と不確実性予測の観点から,3つの臨床時系列データセットの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-10-28T15:54:50Z)
• Learning Successor Features with Distributed Hebbian Temporal Memory [44.99833362998488]
  本稿では,不確実性のある意思決定におけるオンラインシーケンス学習の課題に対処するための新しいアプローチを提案する。 提案アルゴリズムは,因子グラフ形式と多成分ニューロンモデルに基づく分散ヘビアンテンポラルメモリ (DHTM) である。 実験の結果, DHTMは非定常データセット上でLSTM, RWKV, 生物学的にインスパイアされたHMMライクなアルゴリズムCSCGより優れていた。
  論文  参考訳（メタデータ） (2023-10-20T10:03:14Z)
• A Neural PDE Solver with Temporal Stencil Modeling [44.97241931708181]
  最近の機械学習(ML)モデルでは、高解像度信号において重要なダイナミクスを捉えることが約束されている。 この研究は、低解像度のダウンサンプリング機能で重要な情報が失われることがしばしばあることを示している。 本稿では,高度な時系列シーケンスモデリングと最先端のニューラルPDEソルバの強みを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-02-16T06:13:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。