論文の概要: Zero-shot Low-Field MRI Enhancement via Diffusion-Based Adaptive Contrast Transport
- arxiv url: http://arxiv.org/abs/2603.01913v1
- Date: Mon, 02 Mar 2026 14:27:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.909058
- Title: Zero-shot Low-Field MRI Enhancement via Diffusion-Based Adaptive Contrast Transport
- Title（参考訳）: 拡散型適応コントラスト輸送によるゼロショット低磁場MRI強調
- Authors: Muyu Liu, Chenhe Du, Xuanyu Tian, Qing Wu, Xiao Wang, Haonan Zhang, Hongjiang Wei, Yuyao Zhang,
- Abstract要約: 低磁場(LF)磁気共鳴イメージング(MRI)は、診断イメージングへのアクセスを民主化する。
DACTは、ペアの監督なしにHF品質のイメージを復元する新しいゼロショットフレームワークである。
最先端のパフォーマンスを達成し、構造的細部と組織コントラストの整合性を向上する。
- 参考スコア（独自算出の注目度）: 31.03814753569979
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-field (LF) magnetic resonance imaging (MRI) democratizes access to diagnostic imaging but is fundamentally limited by low signal-to-noise ratio and significant tissue contrast distortion due to field-dependent relaxation dynamics. Reconstructing high-field (HF) quality images from LF data is a blind inverse problem, severely challenged by the scarcity of paired training data and the unknown, non-linear contrast transformation operator. Existing zero-shot methods, which assume simplified linear degradation, often fail to recover authentic tissue contrast. In this paper, we propose DACT(Diffusion-Based Adaptive Contrast Transport), a novel zero-shot framework that restores HF-quality images without paired supervision. DACT synergizes a pre-trained HF diffusion prior to ensure anatomical fidelity with a physically-informed adaptive forward model. Specifically, we introduce a differentiable Sinkhorn optimal transport module that explicitly models and corrects the intensity distribution shift between LF and HF domains during the reverse diffusion process. This allows the framework to dynamically learn the intractable contrast mapping while preserving topological consistency. Extensive experiments on simulated and real clinical LF datasets demonstrate that DACT achieves state-of-the-art performance, yielding reconstructions with superior structural detail and correct tissue contrast.
- Abstract（参考訳）: 低磁場(LF)磁気共鳴イメージング(MRI)は、診断画像へのアクセスを民主化するが、磁場依存緩和ダイナミクスによる低信号-雑音比と有意な組織コントラスト歪みにより基本的に制限される。
LFデータからの高磁場(HF)画質画像の再構成は、ペアトレーニングデータの不足と未知の非線形コントラスト変換演算子による深刻な問題である。
既存のゼロショット法は、単純化された線形劣化を前提としており、しばしば真の組織コントラストの回復に失敗する。
本稿では,ペアの監督なしにHF品質の画像を復元する新しいゼロショットフレームワークであるDACT(Diffusion-Based Adaptive Contrast Transport)を提案する。
DACTは、物理的にインフォームドされた適応フォワードモデルで解剖学的忠実性を確保するために、事前訓練されたHF拡散を相乗化する。
具体的には、逆拡散過程においてLFドメインとHFドメイン間の強度分布シフトを明示的にモデル化し、補正する、微分可能なシンクホーン最適輸送モジュールを提案する。
これにより、トポロジ的な一貫性を維持しながら、難解なコントラストマッピングを動的に学習することができる。
シミュレーションおよび実際のLFデータセットに関する広範囲な実験は、DACTが最先端のパフォーマンスを達成し、優れた構造的詳細と正しい組織コントラストを持つ再構築をもたらすことを示した。
関連論文リスト
- IHF-Harmony: Multi-Modality Magnetic Resonance Images Harmonization using Invertible Hierarchy Flow Model [3.4718032510023438]
振り返りMRIハーモニゼーションは、モダリティを越えたスケーラビリティの低さと、走行対象データセットへの依存によって制限される。
IHF-Harmonyは、アンペアデータを用いた多モード調和のための統一的非可逆階層フローフレームワークである。
IHF-Harmonyは、解剖学的忠実度と下流タスクパフォーマンスの両方において、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2026-02-25T03:46:12Z) - Unrolled Networks are Conditional Probability Flows in MRI Reconstruction [13.185194525641478]
本稿では,条件付き確率フローODEの個別実装であるアンロールネットワークを理論的に証明し,MRI再構成にフローODEを導入する。
この接続はパラメータの明示的な定式化を提供し、中間状態がどのように進化するかを明確にする。
本研究では、未学習パラメータをODE離散化から導出し、中間再構成を理想的なODE軌道と整合させて安定性と収束性を向上させるフローアラインドトレーニング(FLAT)を提案する。
論文 参考訳（メタデータ） (2025-12-02T18:48:10Z) - Low-Field Magnetic Resonance Image Quality Enhancement using a Conditional Flow Matching Model [0.3683202928838613]
条件付きフローマッチング(CFM)は、雑音分布と目標データ分布の間の連続的な流れを学習する。
本フレームワークは,対応する低フィールド入力から高フィールド型MR画像を再構成するように設計されている。
実験により、CFMは最先端の性能を達成するが、分布内データと分布外データの両方に頑健に一般化することを示した。
論文 参考訳（メタデータ） (2025-10-14T11:41:27Z) - Latent Harmony: Synergistic Unified UHD Image Restoration via Latent Space Regularization and Controllable Refinement [89.99237142387655]
LH-VAEを導入し、視覚的意味的制約や進行的劣化による意味的堅牢性を高める。
Latent Harmonyは、UHD修復のためのVAEを再定義する2段階のフレームワークである。
実験により、Latent HarmonyはUHDおよび標準解像度タスクにまたがって最先端のパフォーマンスを実現し、効率、知覚品質、再現精度を効果的にバランスさせることが示されている。
論文 参考訳（メタデータ） (2025-10-09T08:54:26Z) - Conditional Denoising Diffusion Model-Based Robust MR Image Reconstruction from Highly Undersampled Data [11.174208209806073]
アンダーサンプリング戦略は画像の取得を加速させるが、多くの場合、画像のアーティファクトと劣化した品質をもたらす。
近年の拡散モデルでは、強力な画像先行学習により、アンダーサンプルデータから高忠実度画像の再構成が期待されている。
本稿では,反復的データ一貫性補正を伴う条件付きデノナイジング拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-07T18:01:08Z) - Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。
拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
論文 参考訳（メタデータ） (2025-07-02T01:22:46Z) - High-Fidelity Functional Ultrasound Reconstruction via A Visual Auto-Regressive Framework [58.07923338080814]
機能的神経側頭葉イメージングはマッピングに例外的な解像度を提供する。
しかし、その実践的応用は重大な課題によって妨げられている。
データ不足、倫理的考慮、信号劣化などが含まれる。
論文 参考訳（メタデータ） (2025-05-23T15:27:17Z) - SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。
既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。
逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
論文 参考訳（メタデータ） (2025-03-16T12:32:11Z) - Timestep-Aware Diffusion Model for Extreme Image Rescaling [47.89362819768323]
本稿では,時間認識拡散モデル(TADM)と呼ばれる,画像再スケーリングのための新しいフレームワークを提案する。
TADMは、事前訓練されたオートエンコーダの潜在空間で再スケーリング操作を行う。
これは、事前訓練されたテキスト・ツー・イメージ拡散モデルによって学習された強力な自然画像の先行を効果的に活用する。
論文 参考訳（メタデータ） (2024-08-17T09:51:42Z) - NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。
様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
論文 参考訳（メタデータ） (2024-03-27T02:42:52Z) - Regularization by Neural Style Transfer for MRI Field-Transfer Reconstruction with Limited Data [2.308563547164654]
ニューラルスタイルトランスファーによる正規化は、磁場-転送再構成を可能にするために、ニューラルスタイルのトランスファーエンジンをデノイザと統合する新しいフレームワークである。
実験の結果,RNSTは様々な解剖学的面にまたがって高品質な画像を再構成できることを示した。
論文 参考訳（メタデータ） (2023-08-21T18:26:35Z) - Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。
本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文 参考訳（メタデータ） (2023-06-01T03:08:28Z) - Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。
その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。
画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
論文 参考訳（メタデータ） (2022-04-11T17:29:36Z)
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。