論文の概要: A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis

• arxiv url: http://arxiv.org/abs/2603.13520v1
• Date: Fri, 13 Mar 2026 18:54:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.253537
• Title: A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis
• Title（参考訳）: MRI-to-CT合成のためのGANアーキテクチャの体系的ベンチマーク
• Authors: Alessandro Pesci, Valerio Guarrasi, Marco Alì, Isabella Castiglioni, Paolo Soda,
• Abstract要約: MRIからCTへの変換にはGANアーキテクチャが提案されている。 我々は,3つの解剖学的領域にわたるSynthRAD2025データセットを用いて評価した10のGANのベンチマークを示す。
• 参考スコア（独自算出の注目度）: 38.31064949197421
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The translation from Magnetic resonance imaging (MRI) to Computed tomography (CT) has been proposed as an effective solution to facilitate MRI-only clinical workflows while limiting exposure to ionizing radiation. Although numerous Generative Adversarial Network (GAN) architectures have been proposed for MRI-to-CT translation, systematic and fair comparisons across heterogeneous models remain limited. We present a comprehensive benchmark of ten GAN architectures evaluated on the SynthRAD2025 dataset across three anatomical districts (abdomen, thorax, head-and-neck). All models were trained under a unified validation protocol with identical preprocessing and optimization settings. Performance was assessed using complementary metrics capturing voxel-wise accuracy, structural fidelity, perceptual quality, and distribution-level realism, alongside an analysis of computational complexity. Supervised Paired models consistently outperformed Unpaired approaches, confirming the importance of voxel-wise supervision. Pix2Pix achieved the most balanced performance across districts while maintaining a favorable quality-to-complexity trade-off. Multi-district training improved structural robustness, whereas intra-district training maximized voxel-wise fidelity. This benchmark provides quantitative and computational guidance for model selection in MRI-only radiotherapy workflows and establishes a reproducible framework for future comparative studies. To ensure the reproducibility of our experiments we make our code public, together with the overall results, at the following link:https://github.com/arco-group/MRI_TO_CT.git
• Abstract（参考訳）: MRI(MRI)からCT(CT)への変換は、電離放射線への曝露を抑えつつ、MRIのみの臨床ワークフローを促進する効果的な方法として提案されている。 MRIからCTへの変換にはGAN(Generative Adversarial Network)アーキテクチャが多数提案されているが、異種モデル間の体系的および公平な比較は限定的のままである。 我々は,3つの解剖学的領域(腹部,胸部,頭頸部)にわたるSynthRAD2025データセットで評価した10のGANアーキテクチャの総合的ベンチマークを示す。 全てのモデルは、同一の事前処理と最適化設定を備えた統一された検証プロトコルの下で訓練された。 計算複雑性の解析とともに, ボクセルの精度, 構造的忠実度, 知覚的品質, 分布レベルのリアリズムを, 相補的な測定値を用いて評価した。 Supervised Paired モデルは一貫して Unpaired のアプローチを上回り、ボクセルの監督の重要性を確認した。 Pix2Pixは、地区間で最もバランスのとれた性能を達成し、良好な品質と複雑さのトレードオフを維持した。 マルチディミテッドトレーニングは構造的堅牢性を改善したのに対し、イントラディミクトトレーニングはボクセルの知能を最大化した。 このベンチマークはMRIのみの放射線治療ワークフローにおけるモデル選択のための定量的および計算的ガイダンスを提供し、将来の比較研究のための再現可能なフレームワークを確立する。 実験の再現性を確実にするために、コードと全体的な結果を以下のリンクで公開します。

関連論文リスト

• Revisiting Global Token Mixing in Task-Dependent MRI Restoration: Insights from Minimal Gated CNN Baselines [43.505945728449774]
  グローバルトークンミキシングはMRIの復元において一般的なモデル設計の選択肢となっている。 グローバルトークンミキシングは,各タスクにおいて,3つの代表的な設定で実際に有用かどうかを問う。 MRIの再生を高速化するために、最小限のアンロールゲート-CNNベースラインは、すでに非常に競争力がある。 制御された低パス劣化により、低周波k空間データがほとんど保存されている超解像の場合、局所ゲートモデルは競争力を維持する。 空間的ヘテロセダスティックノイズを発音する場合には,トークン混合モデルが最も高い総合的な性能が得られる。
  論文  参考訳（メタデータ） (2026-03-02T04:57:52Z)
• Adapting HFMCA to Graph Data: Self-Supervised Learning for Generalizable fMRI Representations [57.054499278843856]
  機能的磁気共鳴画像(fMRI)解析は、データセットのサイズが限られ、研究間でのドメインの変動が原因で大きな課題に直面している。 コンピュータビジョンにインスパイアされた従来の自己教師付き学習手法は、正と負のサンプルペアに依存することが多い。 本稿では,最近開発された階層関数最大相関アルゴリズム(HFMCA)をグラフ構造fMRIデータに適用することを提案する。
  論文  参考訳（メタデータ） (2025-10-05T12:35:01Z)
• A Systematic Study of Deep Learning Models and xAI Methods for Region-of-Interest Detection in MRI Scans [0.0]
  本研究は, 膝関節MRIにおける興味領域の自動検出のためのAI(xAI)技術と組み合わせて, 各種ディープラーニングアーキテクチャの体系的評価を行う。 ResNet50, InceptionV3, Vision Transformers (ViT) および多層パーセプトロン (MLP) 分類器を付加した複数のU-Net変種について検討した。 以上の結果から,ResNet50は,MRNetデータセットの制約下でのトランスフォーマーベースモデルよりも優れた分類とROI識別が一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-08-19T17:42:45Z)
• Accelerating multiparametric quantitative MRI using self-supervised scan-specific implicit neural representation with model reinforcement [6.196152347946904]
  本稿では,暗黙的ニューラル表現とモデル強化モジュールを組み合わせたREFINE-MOREを提案する。 REFINE-MOREはベースライン法と比較して最小の正規化ルート平均二乗誤差と最高構造類似度指数を達成する。
  論文  参考訳（メタデータ） (2025-07-27T03:06:49Z)
• 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)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Towards learned optimal q-space sampling in diffusion MRI [1.5640063295947522]
  ファイバトラクトグラフィーのための統一的な推定フレームワークを提案する。 提案手法は,信号推定の精度とそれに続く解析精度を大幅に向上させる。 本稿では,Human Connectome Projectデータに基づく包括的比較分析を提案する。
  論文  参考訳（メタデータ） (2020-09-07T10:46:12Z)

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。