論文の概要: UniField: A Unified Field-Aware MRI Enhancement Framework

• arxiv url: http://arxiv.org/abs/2603.09223v1
• Date: Tue, 10 Mar 2026 05:45:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.076304
• Title: UniField: A Unified Field-Aware MRI Enhancement Framework
• Title（参考訳）: UniField: 統一フィールド対応MRI拡張フレームワーク
• Authors: Yiyang Lin, Chenhui Wang, Zhihao Peng, Yixuan Yuan,
• Abstract要約: methodnameは、複数のモダリティと拡張タスクを統合する統合フレームワークである。 我々は、事前学習した3D基礎モデルを利用して、総合的な3Dボリューム情報を利用する。 我々は,総合的なマルチフィールドMRIデータセットを編成し,公開する。
• 参考スコア（独自算出の注目度）: 45.03230466428695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Magnetic Resonance Imaging (MRI) field-strength enhancement holds immense value for both clinical diagnostics and advanced research. However, existing methods typically focus on isolated enhancement tasks, such as specific 64mT-to-3T or 3T-to-7T transitions using limited subject cohorts, thereby failing to exploit the shared degradation patterns inherent across different field strengths and severely restricting model generalization. To address this challenge, we propose \methodname, a unified framework integrating multiple modalities and enhancement tasks to mutually promote representation learning by exploiting these shared degradation characteristics. Specifically, our main contributions are threefold. Firstly, to overcome MRI data scarcity and capture continuous anatomical structures, \methodname departs from conventional methods that treat 3D MRI volumes as independent 2D slices. Instead, we directly exploit comprehensive 3D volumetric information by leveraging pre-trained 3D foundation models, thereby embedding generalized and robust structural representations to significantly boost enhancement performance. In addition, to mitigate the spectral bias of mainstream flow-matching models that often over-smooth high-frequency details, we explicitly incorporate the physical mechanisms of magnetic fields to introduce a Field-Aware Spectral Rectification Mechanism (FASRM), tailoring customized spectral corrections to distinct field strengths. Finally, to resolve the fundamental data bottleneck, we organize and publicly release a comprehensive paired multi-field MRI dataset, which is an order of magnitude larger than existing datasets. Extensive experiments demonstrate our method's superiority over state-of-the-art approaches, achieving an average improvement of approximately 1.81 dB in PSNR and 9.47\% in SSIM. Code will be released upon acceptance.
• Abstract（参考訳）: 磁気共鳴イメージング(MRI)の磁場強度増強は臨床診断と高度な研究の両方に非常に有用である。 しかし、既存の手法では、通常、特定の64mT-to-3Tや3T-to-7T遷移を対象コホートに限定することで、異なるフィールド強度に固有の共有劣化パターンの活用に失敗し、モデル一般化を厳しく制限している。 この課題に対処するために,複数のモダリティを統合した統合フレームワークである‘methodname’を提案し,これらの共有劣化特性を利用して表現学習を相互に促進する。 特に、私たちの主な貢献は3倍です。 まず、MRIデータの不足を克服し、連続的な解剖学的構造を捉えるために、3D MRIボリュームを独立した2Dスライスとして扱う従来の方法から離れる。 代わりに、事前訓練された3次元基礎モデルを利用して総合的な3次元ボリューム情報を直接利用し、一般化された頑健な構造表現を埋め込み、性能を著しく向上させる。 さらに、しばしば平滑な高周波の詳細を持つ主流流れマッチングモデルのスペクトルバイアスを軽減するために、磁場の物理的メカニズムを具体化して、異なる磁場強度にカスタマイズされたスペクトル補正を調整するフィールド・アウェア・スペクトル整流機構(FASRM)を導入する。 最後に、基本的なデータのボトルネックを解決するために、既存のデータセットよりも桁違い大きな総合的なペア化されたマルチフィールドMRIデータセットを組織化し、公開する。 その結果,PSNRでは約1.81dB,SSIMでは9.47\%の改善が得られた。 コードは受理時にリリースされる。

関連論文リスト

• Exploiting Completeness Perception with Diffusion Transformer for Unified 3D MRI Synthesis [9.857855424798732]
  本稿では,3次元MRIの統一合成のための完全性知覚を備えた潜時拡散モデルCoPeDiTを提案する。 CoPeDiTは最先端の手法よりも優れ、優れた堅牢性、一般化可能性、柔軟性を実現している。
  論文  参考訳（メタデータ） (2026-02-20T18:05:39Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• Frequency Error-Guided Under-sampling Optimization for Multi-Contrast MRI Reconstruction [24.246450246745905]
  マルチコントラストMRIは,完全サンプリング参照スキャンからの補完情報を活用することで,有望な方向として現れる。 既存のアプローチには,(1)表面的参照融合戦略,(2)参照コントラストによって提供される補完情報の不十分な利用,(3)固定アンダーサンプリングパターンの3つの大きな制限がある。 本稿では,これらの問題に対処するための,効率よく解釈可能な周波数誤差誘導再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-14T09:40:34Z)
• HWA-UNETR: Hierarchical Window Aggregate UNETR for 3D Multimodal Gastric Lesion Segmentation [11.180283823428711]
  HWA-UNETRは、学習可能なウィンドウアグリゲーション層を備えたオリジナルのHWAブロックを利用する、新しい3Dセグメンテーションフレームワークである。 我々のフレームワークは、しっかりとした堅牢性を維持しながら、Diceスコアの1.68%まで既存の手法を上回ります。
  論文  参考訳（メタデータ） (2025-05-15T16:18:00Z)
• Inter-slice Super-resolution of Magnetic Resonance Images by Pre-training and Self-supervised Fine-tuning [49.197385954021456]
  臨床実践では、2次元磁気共鳴(MR)シーケンスが広く採用されている。個々の2次元スライスを積み重ねて3次元ボリュームを形成できるが、比較的大きなスライスススペーシングは可視化とその後の解析タスクに課題をもたらす可能性がある。 スライス間隔を低減するため,ディープラーニングに基づく超解像技術が広く研究されている。 現在のほとんどのソリューションは、教師付きトレーニングのために、かなりの数の高解像度と低解像度の画像を必要とするが、通常は現実のシナリオでは利用できない。
  論文  参考訳（メタデータ） (2024-06-10T02:20:26Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• Shape-aware Meta-learning for Generalizing Prostate MRI Segmentation to Unseen Domains [68.73614619875814]
  前立腺MRIのセグメント化におけるモデル一般化を改善するために,新しい形状認識メタラーニング手法を提案する。 実験結果から,本手法は未確認領域の6つの設定すべてにおいて,最先端の一般化手法を一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2020-07-04T07:56:02Z)

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。