論文の概要: MPFlow: Multi-modal Posterior-Guided Flow Matching for Zero-Shot MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2603.03710v1
• Date: Wed, 04 Mar 2026 04:25:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.178164
• Title: MPFlow: Multi-modal Posterior-Guided Flow Matching for Zero-Shot MRI Reconstruction
• Title（参考訳）: ゼロショットMRI再建のためのマルチモーダル後ガイドフローマッチング法MPFlow
• Authors: Seunghoi Kim, Chen Jin, Henry F. J. Tregidgo, Matteo Figini, Daniel C. Alexander,
• Abstract要約: MPFlowは、修正フロー上に構築されたゼロショットマルチモーダル再構築フレームワークである。 解剖学的忠実度を改善するために、生成性を再訓練することなく、推論時に補助的なMRIモダリティを組み込む。
• 参考スコア（独自算出の注目度）: 8.702496582146042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Zero-shot MRI reconstruction relies on generative priors, but single-modality unconditional priors produce hallucinations under severe ill-posedness. In many clinical workflows, complementary MRI acquisitions (e.g. high-quality structural scans) are routinely available, yet existing reconstruction methods lack mechanisms to leverage this additional information. We propose MPFlow, a zero-shot multi-modal reconstruction framework built on rectified flow that incorporates auxiliary MRI modalities at inference time without retraining the generative prior to improve anatomical fidelity. Cross-modal guidance is enabled by our proposed self-supervised pretraining strategy, Patch-level Multi-modal MR Image Pretraining (PAMRI), which learns shared representations across modalities. Sampling is jointly guided by data consistency and cross-modal feature alignment using pre-trained PAMRI, systematically suppressing intrinsic and extrinsic hallucinations. Extensive experiments on HCP and BraTS show that MPFlow matches diffusion baselines on image quality using only 20% of sampling steps while reducing tumor hallucinations by more than 15% (segmentation dice score). This demonstrates that cross-modal guidance enables more reliable and efficient zero-shot MRI reconstruction.
• Abstract（参考訳）: ゼロショットMRIの再構成は、生成前兆に依存するが、単一モードの無条件前兆は、重度の異常の下で幻覚を引き起こす。 多くの臨床ワークフローでは、補完的なMRI取得(例えば高品質な構造スキャン)が日常的に利用可能であるが、既存の再構成手法では、この追加情報を活用するメカニズムが欠如している。 本稿では, 解剖学的忠実度を改善するために, 生成前をトレーニングすることなく, 予測時に補助MRIモダリティを組み込んだ補正流れに基づくゼロショットマルチモーダル再構成フレームワークMPFlowを提案する。 Patch-level Multi-modal MR Image Pretraining (PAMRI)により、モーダル間の共有表現を学習する。 サンプリングは、事前訓練されたPAMRIを用いて、データ一貫性とクロスモーダルな特徴アライメントによって共同で誘導され、内因性および外因性幻覚を系統的に抑制する。 HCP と BraTS の大規模実験により,MPFlow は 20% のサンプリングステップで画像品質の拡散基線と一致し,腫瘍幻覚を15% 以上低減した(セグメンテーションダイススコア)。 このことは、クロスモーダルガイダンスにより、より信頼性が高く効率的なゼロショットMRI再構成が可能になることを証明している。

関連論文リスト

• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• 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)
• MRPD: Undersampled MRI reconstruction by prompting a large latent diffusion model [18.46762698682188]
  大規模な潜伏拡散モデル(MRPD)を応用したMRI再建のための新しい枠組みを提案する。 教師なし再構成のために、MSSamplerはランダム位相変調されたハード・トゥ・ソフト制御でLLDMを誘導する。 FastMRIとIXIの実験では、MRPDがMRIデータベースのないシナリオとデータベースが利用可能なシナリオの両方をサポートする唯一のモデルであることが示されている。
  論文  参考訳（メタデータ） (2024-02-16T11:54:34Z)
• Dual-Domain Self-Supervised Learning for Accelerated Non-Cartesian MRI Reconstruction [14.754843942604472]
  非カルテシアンMRIの再生を高速化するための完全自己教師型アプローチを提案する。 トレーニングでは、アンダーサンプリングされたデータは、非結合のk空間ドメイン分割に分割される。 画像レベルの自己スーパービジョンでは、元のアンサンプデータから得られる外観整合性を強制する。
  論文  参考訳（メタデータ） (2023-02-18T06:11:49Z)
• Model-Guided Multi-Contrast Deep Unfolding Network for MRI Super-resolution Reconstruction [68.80715727288514]
  MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。 本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
  論文  参考訳（メタデータ） (2022-09-15T03:58:30Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Federated Learning of Generative Image Priors for MRI Reconstruction [5.3963856146595095]
  マルチインスティカルな取り組みは、画像データのクロスサイト共有中にプライバシー上のリスクが発生するにもかかわらず、ディープMRI再構成モデルのトレーニングを容易にする。 FedGIMP (FedGIMP) を用いた新しいMRI再構成法を提案する。 FedGIMPは、2段階のアプローチを利用する: 生成MRIのクロスサイト学習と、イメージングオペレーターの主題固有の注入である。
  論文  参考訳（メタデータ） (2022-02-08T22:17:57Z)
• Fast T2w/FLAIR MRI Acquisition by Optimal Sampling of Information Complementary to Pre-acquired T1w MRI [52.656075914042155]
  本稿では,MRIによる他のモダリティ獲得のためのアンダーサンプリングパターンを最適化するための反復的フレームワークを提案する。 公開データセット上で学習したアンダーサンプリングパターンの優れた性能を実証した。
  論文  参考訳（メタデータ） (2021-11-11T04:04:48Z)
• Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
  我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。 我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。 私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
  論文  参考訳（メタデータ） (2021-10-15T13:16:59Z)
• Unsupervised MRI Reconstruction via Zero-Shot Learned Adversarial Transformers [0.0]
  Zero-Shot Learned Adrial Transformers (SLATER) を用いた新しい非監視MRI再構成法を提案する。 アンダーサンプルテストデータ上でゼロショット再構成を行い、ネットワークパラメータを最適化して推論を行います。 脳MRIデータセットの実験は、いくつかの最先端の教師なし手法に対してSLATERの優れた性能を明らかに示している。
  論文  参考訳（メタデータ） (2021-05-15T02:01:21Z)

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。