論文の概要: TuLaBM: Tumor-Biased Latent Bridge Matching for Contrast-Enhanced MRI Synthesis
- arxiv url: http://arxiv.org/abs/2603.19386v1
- Date: Thu, 19 Mar 2026 18:22:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 19:48:38.837614
- Title: TuLaBM: Tumor-Biased Latent Bridge Matching for Contrast-Enhanced MRI Synthesis
- Title（参考訳）: TuLaBM:造影MRI合成のための腫瘍性潜在ブリッジマッチング
- Authors: Atharva Rege, Adinath Madhavrao Dukre, Numan Balci, Dwarikanath Mahapatra, Imran Razzak,
- Abstract要約: 腫瘍性潜伏ブリッジマッチング法はBranian bridge transportとしてNC-to-CE MRIを翻訳する
TuLaBMは、画像全体と腫瘍領域のメトリクスの両方で、最先端のベースラインを一貫して上回る。
- 参考スコア（独自算出の注目度）: 20.762246680129643
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contrast-enhanced magnetic resonance imaging (CE-MRI) plays a crucial role in brain tumor assessment; however, its acquisition requires gadolinium-based contrast agents (GBCAs), which increase costs and raise safety concerns. Consequently, synthesizing CE-MRI from non-contrast MRI (NC-MRI) has emerged as a promising alternative. Early Generative Adversarial Network (GAN)-based approaches suffered from instability and mode collapse, while diffusion models, despite impressive synthesis quality, remain computationally expensive and often fail to faithfully reproduce critical tumor contrast patterns. To address these limitations, we propose Tumor-Biased Latent Bridge Matching (TuLaBM), which formulates NC-to-CE MRI translation as Brownian bridge transport between source and target distributions in a learned latent space, enabling efficient training and inference. To enhance tumor-region fidelity, we introduce a Tumor-Biased Attention Mechanism (TuBAM) that amplifies tumor-relevant latent features during bridge evolution, along with a boundary-aware loss that constrains tumor interfaces to improve margin sharpness. While bridge matching has been explored for medical image translation in pixel space, our latent formulation substantially reduces computational cost and inference time. Experiments on BraTS2023-GLI (BraSyn) and Cleveland Clinic (in-house) liver MRI dataset show that TuLaBM consistently outperforms state-of-the-art baselines on both whole-image and tumor-region metrics, generalizes effectively to unseen liver MRI data in zero-shot and fine-tuned settings, and achieves inference times under 0.097 seconds per image.
- Abstract（参考訳）: 造影MRI(Contrast-enhanced magnetic resonance imaging, CE-MRI)は脳腫瘍評価において重要な役割を担っているが、その獲得にはガドリニウムベースの造影剤(GBCA)が必要である。
その結果,非造影MRI(NC-MRI)からのCE-MRIの合成が有望な代替手段として浮上した。
初期のGAN(Generative Adversarial Network)ベースのアプローチは不安定性とモード崩壊に苦しんだが、拡散モデルは優れた合成品質にもかかわらず計算コストがかかり、しばしば重要な腫瘍のコントラストパターンを忠実に再現することができない。
これらの制約に対処するため, NC-to-CE MRI 変換を学習潜伏空間におけるソースとターゲットの分布間のブラウン橋輸送として定式化し, 効率的なトレーニングと推論を可能にするTuLaBM(Torma-Biased Latent Bridge Matching)を提案する。
腫瘍領域の忠実度を高めるために,橋梁進展に伴う腫瘍関連潜伏特性を増幅するTuBAM(Torma-Biased Attention Mechanism)を導入するとともに,腫瘍界面を拘束してマージンの鋭さを向上させる境界認識損失を導入する。
画素空間における医用画像の変換のためにブリッジマッチングが検討されているが、我々の潜時定式化は計算コストと推論時間を著しく削減する。
BraTS2023-GLI(BraSyn)とクリーブランド・クリニック(社内)の肝MRIデータセットの実験では、TuLaBMは画像全体と腫瘍領域の計測値の両方で最先端のベースラインを一貫して上回り、ゼロショットと微調整の環境での肝MRIデータに効果的に一般化し、画像当たり0.097秒以下の推論時間を達成している。
関連論文リスト
- Brain-WM: Brain Glioblastoma World Model [56.45393372490125]
我々は、次世代治療予測と将来のMRI生成を統一する先駆的なGBMワールドモデルであるBrain-WMを提案する。
Brain-WMは、潜在ダイナミクスを共有潜在空間に符号化し、関節自己回帰治療予測とフローベース将来のMRI生成を行う。
最終的にBrain-WMは、患者医療を最適化するための堅牢な臨床サンドボックスを提供する。
論文 参考訳（メタデータ） (2026-03-08T09:54:08Z) - DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。
マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。
本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
論文 参考訳（メタデータ） (2025-10-16T07:31:21Z) - Comparing Conditional Diffusion Models for Synthesizing Contrast-Enhanced Breast MRI from Pre-Contrast Images [31.354231459573356]
乳がんの診断と治療にはDCE(Dynamic contrast-enhanced)MRIが不可欠である。
しかし、コントラストエージェントへの依存は、安全性の懸念、禁忌、コストの増大、ワークフローの複雑さをもたらす。
DCE-MRIを合成するために,事前コントラスト条件付き拡散確率モデルを提案する。
論文 参考訳（メタデータ） (2025-08-19T12:24:55Z) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Towards Learning Contrast Kinetics with Multi-Condition Latent Diffusion Models [2.8981737432963506]
DCE-MRI時間系列の時間条件画像合成が可能な潜時拡散モデルを提案する。
以上の結果から,本手法が現実的な多列性脂肪飽和乳房DCE-MRIを生成できることが示唆された。
論文 参考訳（メタデータ） (2024-03-20T18:01:57Z) - Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳（メタデータ） (2024-01-17T07:54:49Z) - Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT
by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。
発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
論文 参考訳（メタデータ） (2023-08-01T12:46:02Z) - Synthesis of Contrast-Enhanced Breast MRI Using Multi-b-Value DWI-based
Hierarchical Fusion Network with Attention Mechanism [15.453470023481932]
造影MRI(CE-MRI)は腫瘍と浸潤した健全な組織との鑑別に優れる。
CE-MRIを得るためにガドリニウムベースの造影剤(GBCA)を使用することは、ネフローゼ性全身線維症と関連し、脳内での生体蓄積を引き起こす可能性がある。
造影剤の使用を減らすため,拡散強調画像(DWI)が重要画像技術として出現している。
論文 参考訳（メタデータ） (2023-07-03T09:46:12Z) - 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) - Contrast-enhanced MRI Synthesis Using 3D High-Resolution ConvNets [7.892005877717236]
ガドリニウム系造影剤(GBCA)は脳磁気共鳴画像(MRI)における疾患の可視化に広く用いられている
脳腫瘍患者にとって、標準治療には、疾患モニタリングのためのガドリニウムベースのコントラストを有する反復MRIが含まれ、ガドリニウム沈着のリスクを増加させる。
脳腫瘍患者に対する造影T1合成のための深層学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-04-04T11:54:15Z)
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。