論文の概要: Mamba-driven MRI-to-CT Synthesis for MRI-only Radiotherapy Planning

• arxiv url: http://arxiv.org/abs/2603.23295v1
• Date: Tue, 24 Mar 2026 14:56:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.546989
• Title: Mamba-driven MRI-to-CT Synthesis for MRI-only Radiotherapy Planning
• Title（参考訳）: MRIのみの放射線治療計画のためのマンバによるMRI-to-CT合成
• Authors: Konstantinos Barmpounakis, Theodoros P. Vagenas, Maria Vakalopoulou, George K. Matsopoulos,
• Abstract要約: マンバ (Mamba) は、モダリティ間翻訳のための状態空間モデルである。 We adapt the U-Mamba and the SegMamba architecture, originally proposed for segmentation, to perform cross-modality image generation。 私たちの3D Mambaアーキテクチャは、複雑な特徴と長距離ボリューム依存を効果的に捉え、正確なCT合成を可能にします。
• 参考スコア（独自算出の注目度）: 4.3531418255555545
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radiotherapy workflows for oncological patients increasingly rely on multi-modal medical imaging, commonly involving both Magnetic Resonance Imaging (MRI) and Computed Tomography (CT). MRI-only treatment planning has emerged as an attractive alternative, as it reduces patient exposure to ionizing radiation and avoids errors introduced by inter-modality registration. While nnU-Net-based frameworks are predominantly used for MRI-to-CT synthesis, we explore Mamba-based architectures for this task, aiming to showcase the advantages of state-space modeling for cross-modality translation compared to standard convolutional neural networks. Specifically, we adapt both the U-Mamba and the SegMamba architecture, originally proposed for segmentation, to perform cross-modality image generation. Our 3D Mamba architecture effectively captures complex volumetric features and long-range dependencies, thus allowing accurate CT synthesis while maintaining fast inference times. Experiments were conducted on a subset of SynthRAD2025 dataset, comprising registered single-channel MRI-CT volume pairs across three anatomical regions. Quantitative evaluation is performed via a combination of image similarity metrics computed in Hounsefield Units (HU) and segmentation-based metrics obtained from TotalSegmentator to ensure geometric consistency is preserved. The findings pave the way for the integration of state-space models into radiotherapy workflows.
• Abstract（参考訳）: 腫瘍患者に対する放射線治療のワークフローは、MRI(Magnetic Resonance Imaging)とCT(Computed Tomography)の両方を含むマルチモーダル・メディカル・イメージングにますます依存している。 MRIのみの治療法プランニングは、電離放射線への患者曝露を減らし、モダリティ間登録によるエラーを避けるため、魅力的な代替手段として現れてきた。 nnU-NetベースのフレームワークはMRI-to-CT合成に主に使用されているが、このタスクのためのMambaベースのアーキテクチャについて検討し、標準的な畳み込みニューラルネットワークと比較して、モード間翻訳における状態空間モデリングの利点を実証することを目的としている。 具体的には、もともとセグメンテーションのために提案されていたU-MambaアーキテクチャとSegMambaアーキテクチャの両方に適応して、クロスモダリティ画像生成を行う。 我々の3D Mambaアーキテクチャは、複雑なボリュームの特徴と長距離依存を効果的に捉え、高速な推論時間を維持しながら正確なCT合成を可能にする。 SynthRAD2025データセットのサブセットで実験を行い、3つの解剖学的領域にわたるシングルチャネルMRI-CTボリュームペアを登録した。 Hounsefield Units(HU)で計算された画像類似度メトリクスとTotalSegmentatorから得られたセグメンテーションベースのメトリクスを組み合わせて、幾何的整合性を維持することで定量的評価を行う。 この結果は、状態空間モデルの放射線治療ワークフローへの統合の道を開いた。

関連論文リスト

• A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis [38.31064949197421]
  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。
  論文  参考訳（メタデータ） (2026-03-13T18:54:20Z)
• Path and Bone-Contour Regularized Unpaired MRI-to-CT Translation [1.6722543148703735]
  MRI-to-CT 翻訳におけるパス・コントラスト正規化手法を提案する。 この方法では、MRIとCTの画像を共有潜在空間に投影し、MRIとCTのマッピングをニューラル常微分方程式によって制御された連続流としてモデル化する。 提案手法は既存のMRI-CT翻訳手法よりも優れ,全体の誤差率を低くする。
  論文  参考訳（メタデータ） (2025-05-06T02:08:35Z)
• ZECO: ZeroFusion Guided 3D MRI Conditional Generation [11.645873358288648]
  ZECOはZeroFusionでガイドされた3D MRI条件生成フレームワークである。 対応する3Dセグメンテーションマスクを備えた高忠実度MRI画像の抽出、圧縮、生成を行う。 ZECOは、脳MRIデータセットの定量的および質的な評価において、最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2025-03-24T00:04:52Z)
• Towards General Text-guided Image Synthesis for Customized Multimodal Brain MRI Generation [51.28453192441364]
  マルチモーダル脳磁気共鳴(MR)イメージングは神経科学や神経学において不可欠である。 現在のMR画像合成アプローチは、通常、特定のタスクのための独立したデータセットで訓練される。 テキスト誘導ユニバーサルMR画像合成モデルであるTUMSynについて述べる。
  論文  参考訳（メタデータ） (2024-09-25T11:14:47Z)
• 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)
• SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
  本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。 提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。 科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
  論文  参考訳（メタデータ） (2024-02-27T06:32:56Z)
• 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)
• Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with Feature Extraction [3.2088888904556123]
  合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。 提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
  論文  参考訳（メタデータ） (2023-10-31T16:39:56Z)
• BrainVoxGen: Deep learning framework for synthesis of Ultrasound to MRI [2.982610402087728]
  本研究は,脳の3次元超音波画像から3次元MRIボリュームを合成するための新しいディープラーニングフレームワークを提案する。 本研究は、神経画像領域における医療診断と治療計画における変革的応用を約束する。
  論文  参考訳（メタデータ） (2023-10-11T20:37:59Z)
• 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)

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。