Fugu-MT 論文翻訳(概要): Energy-based Tissue Manifolds for Longitudinal Multiparametric MRI Analysis

論文の概要: Energy-based Tissue Manifolds for Longitudinal Multiparametric MRI Analysis

arxiv url: http://arxiv.org/abs/2604.07180v1
Date: Wed, 08 Apr 2026 15:08:38 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-09 17:30:51.601103
Title: Energy-based Tissue Manifolds for Longitudinal Multiparametric MRI Analysis
Title（参考訳）: 縦型マルチパラメトリックMRI解析のためのエネルギーベース組織マニフォールド
Authors: Kartikay Tehlan, Lukas Förner, Nico Schmutzenhofer, Michael Frühwald, Matthias Wagner, Nassir Navab, Thomas Wendler,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 32.36028413136686
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a geometric framework for longitudinal multi-parametric MRI analysis based on patient-specific energy modelling in sequence space. Rather than operating on images with spatial networks, each voxel is represented by its multi-sequence intensity vector ($T1$, $T1c$, $T2$, FLAIR, ADC), and a compact implicit neural representation is trained via denoising score matching to learn an energy function $E_θ(\mathbf{u})$ over $\mathbb{R}^d$ from a single baseline scan. The learned energy landscape provides a differential-geometric description of tissue regimes without segmentation labels. Local minima define tissue basins, gradient magnitude reflects proximity to regime boundaries, and Laplacian curvature characterises local constraint structure. Importantly, this baseline energy manifold is treated as a fixed geometric reference: it encodes the set of contrast combinations observed at diagnosis and is not retrained at follow-up. Longitudinal assessment is therefore formulated as evaluation of subsequent scans relative to this baseline geometry. Rather than comparing anatomical segmentations, we analyse how the distribution of MRI sequence vectors evolves under the baseline energy function. In a paediatric case with later recurrence, follow-up scans show progressive deviation in energy and directional displacement in sequence space toward the baseline tumour-associated regime before clear radiological reappearance. In a case with stable disease, voxel distributions remain confined to established low-energy basins without systematic drift. The presented cases serve as proof-of-concept that patient-specific energy manifolds can function as geometric reference systems for longitudinal mpMRI analysis without explicit segmentation or supervised classification, providing a foundation for further investigation of manifold-based tissue-at-risk tracking in neuro-oncology.
Abstract（参考訳）: 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代わりに、各ボクセルは、そのマルチシーケンス強度ベクトル(T1$, $T1c$, $T2$, FLAIR, ADC)で表現され、単一のベースラインスキャンからエネルギー関数 $E_θ(\mathbf{u})$ over $\mathbb{R}^d$ を学ぶためのスコアマッチングによって、コンパクトな暗黙のニューラル表現を訓練する。学習されたエネルギーランドスケープは、セグメンテーションラベルなしで組織構造を微分幾何学的に記述する。局所的なミニマは組織盆地を定義し、勾配は組織の境界に近づき、ラプラシア曲率は局所的な制約構造を特徴づける。重要なことに、このベースラインエネルギー多様体は固定幾何参照として扱われ、診断時に観察されるコントラストの組み合わせの集合を符号化し、フォローアップでは再訓練されない。したがって、縦断的評価は、この基準線幾何に対する後続の走査の評価として定式化される。解剖学的セグメンテーションを比較するのではなく、MRIの配列ベクトルの分布がベースラインエネルギー関数の下でどのように進化するかを分析する。その後再発した小児症例では, 経過観察では, 放射線学的再出現前の基線腫瘍関連体制に向けた順列空間のエネルギー変化と方向ずれが進行していた。安定した疾患の場合、ボクセル分布は系統的なドリフトのない確立された低エネルギー盆地に限られる。これらの症例は、患者固有のエネルギー多様体が、明示的なセグメンテーションや教師付き分類なしに、縦型mpMRI分析のための幾何学的基準系として機能することの証明となり、神経腫瘍学における多様体ベースの組織-リスク追跡のさらなる研究の基礎となる。

論文の概要: Energy-based Tissue Manifolds for Longitudinal Multiparametric MRI Analysis

関連論文リスト