論文の概要: Bridging MRI and PET physiology: Untangling complementarity through orthogonal representations

• arxiv url: http://arxiv.org/abs/2604.07154v1
• Date: Wed, 08 Apr 2026 14:45:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.589243
• Title: Bridging MRI and PET physiology: Untangling complementarity through orthogonal representations
• Title（参考訳）: ブリッジングMRIとPETの生理 : 直交表現による相補性の解消
• Authors: Sonja Adomeit, Kartikay Tehlan, Lukas Förner, Katharina Weisser, Helen Scholtiseek, David Kaufmann, Julie Steinestel, Constantin Lapa, Thomas Kröncke, Thomas Wendler,
• Abstract要約: 我々は,前立腺特異的膜抗原(PSMA)PETの取り込みをMRIで説明可能な生理的封筒に分解する。 マルチパラメトリックMRIを用いて,MRI特徴ベクトルをPET取り込みにマッピングするために,強度に基づく非空間的暗黙的ニューラル表現(INR)を訓練する。 特異値分解を用いた投影型正規化を導入し,MRI特徴多様体内の残留成分をペナル化する。
• 参考スコア（独自算出の注目度）: 0.4062460838939974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal imaging analysis often relies on joint latent representations, yet these approaches rarely define what information is shared versus modality-specific. Clarifying this distinction is clinically relevant, as it delineates the irreducible contribution of each modality and informs rational acquisition strategies. We propose a subspace decomposition framework that reframes multimodal fusion as a problem of orthogonal subspace separation rather than translation. We decompose Prostate-Specific Membrane Antigen (PSMA) PET uptake into an MRI-explainable physiological envelope and an orthogonal residual reflecting signal components not expressible within the MRI feature manifold. Using multiparametric MRI, we train an intensity-based, non-spatial implicit neural representation (INR) to map MRI feature vectors to PET uptake. We introduce a projection-based regularization using singular value decomposition to penalize residual components lying within the span of the MRI feature manifold. This enforces mathematical orthogonality between tissue-level physiological properties (structure, diffusion, perfusion) and intracellular PSMA expression. Tested on 13 prostate cancer patients, the model demonstrates that residual components spanned by MRI features are absorbed into the learned envelope, while the orthogonal residual is largest in tumour regions. This indicates that PSMA PET contains signal components not recoverable from MRI-derived physiological descriptors. The resulting decomposition provides a structured characterization of modality complementarity grounded in representation geometry rather than image translation.
• Abstract（参考訳）: マルチモーダル画像解析は、しばしばジョイント潜在表現に依存するが、これらの手法は、共有される情報とモダリティ固有の情報を定義することは滅多にない。 この区別の明確化は臨床的に重要であり、各モダリティの既約貢献を明確にし、合理的な獲得戦略を通知する。 本稿では,多モード融合を変換ではなく直交部分空間分離の問題として再編成する部分空間分解フレームワークを提案する。 我々は,前立腺特異的膜抗原(PSMA)PETの取り込みをMRIで説明可能な生理学的エンベロープと,MRIの特徴多様体内では表現できない直交残留反射信号成分に分解する。 マルチパラメトリックMRIを用いて,MRI特徴ベクトルをPET取り込みにマッピングするために,強度に基づく非空間的暗黙的ニューラル表現(INR)を訓練する。 特異値分解を用いた投影型正規化を導入し,MRI特徴多様体内の残留成分をペナル化する。 これにより、組織レベルの生理的特性(構造、拡散、灌流)と細胞内PSMA発現の数学的直交性が強制される。 前立腺癌患者13名を対象に実験を行い,MRI特徴量による残存成分が学習エンベロープに吸収され,腫瘍領域では直交残基が最大であることが確認された。 このことは、PSMA PETがMRI由来の生理的記述子から回復できないシグナル成分を含んでいることを示している。 結果として得られる分解は、画像変換よりも表現幾何学に基づくモジュラリティ相補性の構造化された特徴を与える。

関連論文リスト

• Energy-based Tissue Manifolds for Longitudinal Multiparametric MRI Analysis [32.36028413136686]
  患者固有エネルギーモデルに基づく時系列多パラメータMRI解析のための幾何学的枠組みを提案する。 空間ネットワークで画像を操作するのではなく、各ボクセルは、その多重列強度ベクトルによって表現される。 コンパクトな暗黙のニューラル表現は、エネルギー関数を学習するためのスコアマッチングによって訓練される。
  論文  参考訳（メタデータ） (2026-04-08T15:08:38Z)
• SynMind: Reducing Semantic Hallucination in fMRI-Based Image Reconstruction [52.34513874272676]
  既存の手法は、明示的な意味的アイデンティティよりも、絡み合った視覚的埋め込みに強く依存している、と我々は主張する。 我々はfMRI信号を、人間の視覚理解の階層的・構成的性質を反映したリッチで文レベルの意味記述に解析する。 そこで我々は,これらの明示的なセマンティックエンコーディングを視覚的プリエンプションと統合したフレームワークであるSynMindを提案する。
  論文  参考訳（メタデータ） (2026-01-25T14:31:23Z)
• 4D Multimodal Co-attention Fusion Network with Latent Contrastive Alignment for Alzheimer's Diagnosis [24.771496672135395]
  M2M-AlignNet: 早期アルツハイマー病診断のための遅延アライメントを有する幾何認識型コアテンションネットワークを提案する。 提案手法のコアとなるマルチパッチ・マルチパッチ(M2M)コントラスト損失関数は,表現の相違を定量化し,低減する。 提案手法の有効性を確認し,ADバイオマーカーとしてfMRIとsMRIの対応性を強調した。
  論文  参考訳（メタデータ） (2025-04-23T15:18:55Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [45.62331048595689]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・ディベサール・ネットワーク(cGAN)アーキテクチャを用いて,ヒト・コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Unsupervised-learning-based method for chest MRI-CT transformation using structure constrained unsupervised generative attention networks [0.0]
  PET/MRIスキャナは、PETによる代謝情報の同時取得と、MRIを用いた形態情報の取得を容易にする。 PET/MRIは、ガンマ線減衰情報とMRIとの直接的関係がないため、MRIから減衰補正マップを生成する必要がある。 本稿では,非対位画像の変換が可能なGAN(Generative Adversarial Network)に,モダリティ非依存的近傍記述子(MIND)を用いた構造制約を加えることにより,人間のアノテーションを使わずに解剖学的構造変化を最小限に抑える手段を提案する。
  論文  参考訳（メタデータ） (2021-06-16T05:22:27Z)
• Radiomic Deformation and Textural Heterogeneity (R-DepTH) Descriptor to characterize Tumor Field Effect: Application to Survival Prediction in Glioblastoma [2.1916334019121537]
  腫瘍野効果の概念は、がんが可視性腫瘍を超える影響を持つ全身疾患であることを意味する。 r-DepTH (r-DepTH) を用いたMRI ベースの記述器, 放射能とテクスチュラルな異質性について述べる。 この記述子は、質量効果による周囲の正常発作全体の組織変形の微妙な摂動の測定を含む。
  論文  参考訳（メタデータ） (2021-03-12T17:38:54Z)
• Expectation-Maximization Regularized Deep Learning for Weakly Supervised Tumor Segmentation for Glioblastoma [8.24450401153384]
  本研究では,弱監督腫瘍分割のためのEM正規化ディープラーニング(EMReDL)モデルを提案する。 この枠組みは周囲の脳組織への拡散浸潤を特徴とする悪性腫瘍の一種であるグリオ芽腫に特化していた。
  論文  参考訳（メタデータ） (2021-01-21T18:14:43Z)
• Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain MRI [47.26574993639482]
  本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。 ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
  論文  参考訳（メタデータ） (2020-06-23T09:20:42Z)

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。