論文の概要: Translating MRI to PET through Conditional Diffusion Models with Enhanced Pathology Awareness

• arxiv url: http://arxiv.org/abs/2603.18896v1
• Date: Thu, 19 Mar 2026 13:36:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.171951
• Title: Translating MRI to PET through Conditional Diffusion Models with Enhanced Pathology Awareness
• Title（参考訳）: MRIとPETのコンディショナル拡散モデルによる画像診断
• Authors: Yitong Li, Igor Yakushev, Dennis M. Hedderich, Christian Wachinger,
• Abstract要約: PASTAは,病的認知度を高めた条件付き拡散モデルに基づく新しい画像翻訳フレームワークである。 アルツハイマーの診断では、これらの合成スキャンの性能はMRIよりも4%向上し、実際のPETの性能にほぼ達する。
• 参考スコア（独自算出の注目度）: 9.229807776105504
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Positron emission tomography (PET) is a widely recognized technique for diagnosing neurodegenerative diseases, offering critical functional insights. However, its high costs and radiation exposure hinder its widespread use. In contrast, magnetic resonance imaging (MRI) does not involve such limitations. While MRI also detects neurodegenerative changes, it is less sensitive for diagnosis compared to PET. To overcome such limitations, one approach is to generate synthetic PET from MRI. Recent advances in generative models have paved the way for cross-modality medical image translation; however, existing methods largely emphasize structural preservation while neglecting the critical need for pathology awareness. To address this gap, we propose PASTA, a novel image translation framework built on conditional diffusion models with enhanced pathology awareness. PASTA surpasses state-of-the-art methods by preserving both structural and pathological details through its highly interactive dual-arm architecture and multi-modal condition integration. Additionally, we introduce a novel cycle exchange consistency and volumetric generation strategy that significantly enhances PASTA's ability to produce high-quality 3D PET images. Our qualitative and quantitative results demonstrate the high quality and pathology awareness of the synthesized PET scans. For Alzheimer's diagnosis, the performance of these synthesized scans improves over MRI by 4%, almost reaching the performance of actual PET. Our code is available at https://github.com/ai-med/PASTA.
• Abstract（参考訳）: PET(Positron emission tomography)は神経変性疾患の診断技術として広く知られており、重要な機能的洞察を提供する。 しかし、高いコストと放射線曝露が広く使われるのを妨げている。 対照的に、MRI(MRI)はそのような制限を伴わない。 MRIは神経変性の変化も検出するが、PETと比較して診断に敏感ではない。 このような制限を克服するために、MRIから合成PETを生成する方法がある。 生成モデルの最近の進歩は、異種間医療画像翻訳の道を開いたが、既存の手法は、病理的認識の重大な必要性を無視しながら、構造的保存を重視している。 このギャップに対処するため,病的認知度を高めた条件付き拡散モデルに基づく新しい画像翻訳フレームワークであるPASTAを提案する。 PASTAは、高度にインタラクティブなデュアルアームアーキテクチャとマルチモーダル条件の統合により、構造的および病理的詳細を保存し、最先端の手法を超越している。 さらに,PASTAの高品質な3DPET画像作成能力を大幅に向上させる,新しいサイクル交換一貫性とボリューム生成戦略を導入する。 本研究の質的,定量的な結果は,合成PETスキャンの高品質,病理的認識を示すものである。 アルツハイマーの診断では、これらの合成スキャンの性能はMRIよりも4%向上し、実際のPETの性能にほぼ達する。 私たちのコードはhttps://github.com/ai-med/PASTA.comで利用可能です。

関連論文リスト

• Unveiling and Bridging the Functional Perception Gap in MLLMs: Atomic Visual Alignment and Hierarchical Evaluation via PET-Bench [48.60251555171943]
  MLLM(Multimodal Large Language Models)は、異常検出や解剖学的モダリティのレポート生成などのタスクにおいて、顕著な熟練性を示した。 本研究では, 機能的トレーサの生体分布を, 形態的先行性とは無関係に復号化できない現状の視覚エンコーダについて, 基本的な機能的知覚ギャップを定量化する。 PET-Benchは52,308個の階層型QAペアからなるPET-Benchの最初の大規模機能評価ベンチマークである。 AVAは認知ギャップを効果的に橋渡しし、CoTを幻覚源から頑健な推論ツールに変換し、診断を改善していることを示す。
  論文  参考訳（メタデータ） (2026-01-06T05:58:50Z)
• 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)
• TauGenNet: Plasma-Driven Tau PET Image Synthesis via Text-Guided 3D Diffusion Models [6.674230585698143]
  構造MRIとプラズマ計測の両方から多モード条件を利用する3次元タウPET画像合成のためのテキスト誘導3次元拡散モデルを提案する。 臨床的に意義のある3DタウPETを, 様々な病期にわたって生成できることが実験的に証明された。
  論文  参考訳（メタデータ） (2025-09-04T14:45:50Z)
• Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction [40.722159771726375]
  本稿では,PET-MR スキャンのデータセットから対象特異的なPET画像を生成するための簡易な手法を提案する。 私たちが合成した画像は、被験者のMRスキャンからの情報を保持し、高分解能と解剖学的特徴の保持につながる。 18ドルF]FDGデータセットのシミュレーションと実データを用いて,対象特異的な「擬似PET」画像を用いたパーソナライズされた拡散モデルの事前学習により,低カウントデータによる再構成精度が向上することを示す。
  論文  参考訳（メタデータ） (2025-06-04T10:24:14Z)
• PASTA: Pathology-Aware MRI to PET Cross-Modal Translation with Diffusion Models [7.6672160690646445]
  本研究では,条件付き拡散モデルに基づく新しい画像翻訳フレームワークであるPASTAを紹介する。 サイクル交換一貫性とボリューム生成戦略は、高品質な3DPETスキャンを生成するPASTAの能力を高める。 アルツハイマー分類では、合成スキャンの性能はMRIよりも4%向上し、実際のPETの性能にほぼ達する。
  論文  参考訳（メタデータ） (2024-05-27T08:33:24Z)
• Functional Imaging Constrained Diffusion for Brain PET Synthesis from Structural MRI [5.190302448685122]
  新しい制約拡散モデル (CDM) を用いて, 入力条件として2組構造MRIを用いた3次元脳PET画像合成のためのフレームワークを提案する。 FICDはPETにノイズを導入し、CDMで徐々に除去する。 CDMは、各denoized PETと基底真理との間のボクセルワイドアライメントを確保するために、機能的イメージング制約を導入して、denoized PETを予測することを学ぶ。
  論文  参考訳（メタデータ） (2024-05-03T22:33:46Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)

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。