論文の概要: DisQ-HNet: A Disentangled Quantized Half-UNet for Interpretable Multimodal Image Synthesis Applications to Tau-PET Synthesis from T1 and FLAIR MRI

• arxiv url: http://arxiv.org/abs/2602.22545v1
• Date: Thu, 26 Feb 2026 02:37:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.488911
• Title: DisQ-HNet: A Disentangled Quantized Half-UNet for Interpretable Multimodal Image Synthesis Applications to Tau-PET Synthesis from T1 and FLAIR MRI
• Title（参考訳）: DisQ-HNet:T1およびFLAIR MRIからのTau-PET合成への解釈可能な多モード画像合成のための量子半UNet
• Authors: Agamdeep S. Chopra, Caitlin Neher, Tianyi Ren, Juampablo E. Heras Rivera, Mehmet Kurt,
• Abstract要約: DisQ-HNetは、T1強調とFLAIRMRIのペアからtau-PETを合成するフレームワークである。 DisQ-HNetは再建の忠実さを維持し、下流のアルツハイマー病に対する疾患関連シグナルをよりよく保存する。
• 参考スコア（独自算出の注目度）: 0.05799520226281691
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tau positron emission tomography (tau-PET) provides an in vivo marker of Alzheimer's disease pathology, but cost and limited availability motivate MRI-based alternatives. We introduce DisQ-HNet (DQH), a framework that synthesizes tau-PET from paired T1-weighted and FLAIR MRI while exposing how each modality contributes to the prediction. The method combines (i) a Partial Information Decomposition (PID)-guided, vector-quantized encoder that partitions latent information into redundant, unique, and complementary components, and (ii) a Half-UNet decoder that preserves anatomical detail using pseudo-skip connections conditioned on structural edge cues rather than direct encoder feature reuse. Across multiple baselines (VAE, VQ-VAE, and UNet), DisQ-HNet maintains reconstruction fidelity and better preserves disease-relevant signal for downstream AD tasks, including Braak staging, tau localization, and classification. PID-based Shapley analysis provides modality-specific attribution of synthesized uptake patterns.
• Abstract（参考訳）: Tau positron emission tomography (Tau-PET)は、アルツハイマー病の病態の生体内マーカーであるが、費用と限られた可用性はMRIベースの代替薬を動機付けている。 DQH(DisQ-HNet)は,T1強調画像とFLAIRMRIからtau-PETを合成するフレームワークである。 組み合わせる方法 一 部分情報分解(PID)誘導ベクトル量子化エンコーダであって、潜伏情報を冗長かつ一意かつ相補的な構成要素に分割するもの (II) 直接エンコーダ機能再利用ではなく,構造エッジキューに条件付き擬似スキップ接続を用いて解剖学的詳細を保存する半UNetデコーダ。 複数のベースライン(VAE、VQ-VAE、UNet)にわたって、DisQ-HNetは再構築の忠実さを維持し、Braakのステージング、tauのローカライゼーション、分類など、下流ADタスクの病気関連シグナルをよりよく保存する。 PIDに基づくShapley解析は、合成取り込みパターンのモダリティ特異的な属性を提供する。

関連論文リスト

• RelA-Diffusion: Relativistic Adversarial Diffusion for Multi-Tracer PET Synthesis from Multi-Sequence MRI [6.650038888450141]
  PET(Multi-tracer positron emission tomography)は、様々な神経病理過程に重要な洞察を与える。 高いコスト、放射線曝露、トレーサ利用制限によるマルチトラックPETの定期的な取得。 近年,構造MRIからのPET画像の合成のための深層学習手法の研究が進められている。
  論文  参考訳（メタデータ） (2026-02-24T20:30:50Z)
• Dual-Encoder Transformer-Based Multimodal Learning for Ischemic Stroke Lesion Segmentation Using Diffusion MRI [5.332404648315838]
  ISLES 2022データセットからのマルチモーダル拡散MRIを用いて虚血性脳梗塞の分節について検討した。 U-Net、Swin-UNet、TransUNetなど、最先端の畳み込みとトランスフォーマーベースのアーキテクチャがベンチマークされている。 その結果、トランスフォーマーベースのモデルは畳み込みベースラインよりも優れており、提案したデュアルエンコーダのTransUNetは、テストセットで85.4%のDiceスコアに達した。
  論文  参考訳（メタデータ） (2025-12-23T15:24:31Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Q-space Guided Collaborative Attention Translation Network for Flexible Diffusion-Weighted Images Synthesis [0.9999629695552193]
  マルチシェル高角分解能DWI(MS-HARDI)合成のためのQ-space Guided Collaborative Attention Translation Networks (Q-CATN)を提案する。 Q-CATNは、複数のモードから補完情報を効果的に抽出し、柔軟なq空間情報に基づいて内部表現を動的に調整する、協調的な注意機構を採用している。
  論文  参考訳（メタデータ） (2025-05-14T12:23:07Z)
• Two-stage deep learning framework for the restoration of incomplete-ring PET images [0.6478690173421426]
  約50%の偶然を欠いたデータから高品質な画像を復元する2段階のディープラーニングフレームワークを提案する。 また, 推論速度も向上し, 不完全リングPET画像の有効解が得られた。
  論文  参考訳（メタデータ） (2025-04-01T14:05:32Z)
• Principled Feature Disentanglement for High-Fidelity Unified Brain MRI Synthesis [5.657045602016982]
  ハイブリッド融合GAN(HF-GAN)と呼ばれる,マルチシーケンスMR画像のための新しい統合フレームワークを提案する。 並列な1対1ストリームを利用して、モダリティ固有の情報を処理しながら、複雑な相補的特徴を抽出するために、強力な多対1ストリームを構築する。 健康脳MRIと病理脳MRIの両方の公開データセットの枠組みを検証した。
  論文  参考訳（メタデータ） (2024-06-21T08:06:00Z)
• Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
  複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。 本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。 実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
  論文  参考訳（メタデータ） (2021-10-07T14:03:00Z)
• Modality Completion via Gaussian Process Prior Variational Autoencoders for Multi-Modal Glioma Segmentation [75.58395328700821]
  本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。 MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。 4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
  論文  参考訳（メタデータ） (2021-07-07T19:06:34Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
  フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。 ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。 実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2020-01-17T07:13:51Z)

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。