論文の概要: Simultaneous Dual-View Mammogram Synthesis Using Denoising Diffusion Probabilistic Models

• arxiv url: http://arxiv.org/abs/2604.05110v1
• Date: Mon, 06 Apr 2026 19:15:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.456674
• Title: Simultaneous Dual-View Mammogram Synthesis Using Denoising Diffusion Probabilistic Models
• Title（参考訳）: Denoising Diffusion Probabilistic Modelを用いたデュアルビューマンモグラムの同時合成
• Authors: Jorge Alberto Garza-Abdala, Gerardo A. Fumagal-González, Eduardo de Avila-Armenta, Sadam Hussain, Jasiel H. Toscano-Martínezb, Diana S. M. Rosales Gurmendi, Alma A. Pedro-Pérez, Jose G. Tamez-Pena,
• Abstract要約: 単一乳房のCCおよびMLOビューを同時に生成できる3チャンネル拡散確率モデルを提案する。 Hugging Faceから事前トレーニングされたDDPMは、プライベートスクリーニングデータセット上で微調整され、デュアルビューペアの合成に使用された。 その結果、差分に基づく符号化は、ビュー全体にわたってグローバルな乳房構造を保ち、合成CC-MLOペアを生成することが示唆された。
• 参考スコア（独自算出の注目度）: 0.374750127323442
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast cancer screening relies heavily on mammography, where the craniocaudal (CC) and mediolateral oblique (MLO) views provide complementary information for diagnosis. However, many datasets lack complete paired views, limiting the development of algorithms that depend on cross-view consistency. To address this gap, we propose a three-channel denoising diffusion probabilistic model capable of simultaneously generating CC and MLO views of a single breast. In this configuration, the two mammographic views are stored in separate channels, while a third channel encodes their absolute difference to guide the model toward learning coherent anatomical relationships between projections. A pretrained DDPM from Hugging Face was fine-tuned on a private screening dataset and used to synthesize dual-view pairs. Evaluation included geometric consistency via automated breast mask segmentation and distributional comparison with real images, along with qualitative inspection of cross-view alignment. The results show that the difference-based encoding helps preserve the global breast structure across views, producing synthetic CC-MLO pairs that resemble real acquisitions. This work demonstrates the feasibility of simultaneous dual-view mammogram synthesis using a difference-guided DDPM, highlighting its potential for dataset augmentation and future cross-view-aware AI applications in breast imaging.
• Abstract（参考訳）: 乳癌検診はマンモグラフィーに大きく依存しており,頭蓋側斜視(CC)と中側斜視(MLO)は診断に相補的な情報を提供する。 しかし、多くのデータセットには完全なペアビューがなく、ビュー間の一貫性に依存するアルゴリズムの開発が制限されている。 このギャップに対処するために,単一乳房のCCとMLOビューを同時に生成できる3チャンネル拡散確率モデルを提案する。 この構成では、2つのマンモグラフィービューは別々のチャネルに格納され、3番目のチャンネルはそれらの絶対差を符号化し、射影間のコヒーレントな解剖学的関係の学習に向けてモデルを導く。 Hugging Faceから事前トレーニングされたDDPMは、プライベートスクリーニングデータセット上で微調整され、デュアルビューペアの合成に使用された。 評価には, 自動乳房マスク分割による幾何学的整合性, 実像との比較, 横方向アライメントの質的検査などが含まれていた。 その結果、差分に基づく符号化は、視界全体にわたるグローバルな乳房構造を維持するのに役立ち、実際の取得に類似した合成CC-MLOペアが生成されることがわかった。 この研究は、差分誘導DDPMを用いた同時二重視野マンモグラム合成の実現可能性を示し、データセット拡張の可能性と、乳房画像における将来的なクロスビュー認識AI応用を浮き彫りにした。

関連論文リスト

• PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement [60.81732730684265]
  本稿では,高忠実度仮想コントラスト拡張(VCE)のための体積拡散フレームワークPHASORを紹介する。 我々は、CTボリュームをコヒーレントシーケンスとして扱うことにより、ビデオ拡散モデルを利用して、構造的コヒーレンスとボリューム精度を向上させる。 まず, 解剖学的意味論に固有の拡張パターンを固定し, 臓器特異的なメモリを付加して, より詳細な情報を収集する。 第二に、インテンシティ・フェイズ・アウェアメント・アライメント・アライメント(IP-REPA)は、不完全な空間アライメントの影響を緩和しつつ、複雑なコントラスト信号を強調する。
  論文  参考訳（メタデータ） (2026-04-01T15:57:18Z)
• 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)
• LatentFM: A Latent Flow Matching Approach for Generative Medical Image Segmentation [0.0]
  医用画像セグメンテーションのためのフローベースモデルであるLatentFMを提案する。 複数の潜在表現をサンプリングすることにより,多様なセグメンテーション出力を合成する。 提案手法は,潜在空間において高い効率を保ちながら,より優れたセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2025-12-04T14:06:08Z)
• MammoRGB: Dual-View Mammogram Synthesis Using Denoising Diffusion Probabilistic Models [0.3394351835510634]
  本研究の目的は, 単一乳房デュアルビューマンモグラムを合成するための3つのチャネル認知的確率モデル(DDPM)を開発し, 評価することである。
  論文  参考訳（メタデータ） (2025-11-27T21:10:36Z)
• Bidirectional Mammogram View Translation with Column-Aware and Implicit 3D Conditional Diffusion [17.309030641962]
  ビュー・ツー・ビューの翻訳は、行方不明のビューを回復し、病変のアライメントを改善するのに役立つ。 自然画像とは異なり、マンモグラフィーにおけるこの課題は、X線投影において大きな非剛性変形と重い組織が重なり合うため、非常に困難である。 本稿では,新しい双方向マンモグラムビュー変換フレームワークであるカラム・アウェア・インプリシット3次元拡散(CA3D-Diff)を提案する。
  論文  参考訳（メタデータ） (2025-10-06T15:48:27Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Dual-view Correlation Hybrid Attention Network for Robust Holistic Mammogram Classification [13.588373358392142]
  マルチビュー相関型ハイブリット・アテンション・ネットワーク(DCHA-Net)を提案する。 局所的関係と非局所的注目ブロックからなるハイブリッドアテンションモジュールを提案し,その相関関係におけるペアビューの空間的不整合を緩和する。 InbreastとCBIS-DDSMの2つの公開データセットの実験結果から、DCHA-Netはビュー間の特徴相関を適切に保存し、最大化することを示した。
  論文  参考訳（メタデータ） (2023-06-19T02:34:42Z)
• Transformers Improve Breast Cancer Diagnosis from Unregistered Multi-View Mammograms [6.084894198369222]
  我々はマルチビュー・ビジョン・トランスフォーマーのアーキテクチャを活用し、同一患者から複数のマンモグラフィーの長距離関係を1回の検査で捉えた。 我々の4画像(2面2面)トランスフォーマーモデルでは、ROC曲線下(AUC = 0.818)でのケース分類が可能である。 また、AUCは0.724(CCビュー)と0.769(MLOビュー)の2つの片面2面モデルより優れている。
  論文  参考訳（メタデータ） (2022-06-21T03:54:21Z)
• Act Like a Radiologist: Towards Reliable Multi-view Correspondence Reasoning for Mammogram Mass Detection [49.14070210387509]
  マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。 AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。 2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-05-21T06:48:34Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。