論文の概要: AbdomenGen: Sequential Volume-Conditioned Diffusion Framework for Abdominal Anatomy Generation

• arxiv url: http://arxiv.org/abs/2604.12969v1
• Date: Tue, 14 Apr 2026 17:01:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.575987
• Title: AbdomenGen: Sequential Volume-Conditioned Diffusion Framework for Abdominal Anatomy Generation
• Title（参考訳）: AbdomenGen: 腹部解剖診断のための逐次容積拡散フレームワーク
• Authors: Yubraj Bhandari, Lavsen Dahal, Paul Segars, Joseph Y. Lo,
• Abstract要約: 本稿では,可制御性腹水発生のための逐次ボリューム条件拡散フレームワークであるAbdomenGenについて述べる。 身体の習慣から臓器の大きさを分離する標準化された残留物である textbfVolume Control Scalar (VCS) を導入する。 11個の腹部臓器にまたがって提案された枠組みは, 強い幾何学的忠実性を実現する。
• 参考スコア（独自算出の注目度）: 0.7901846308308808
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational phantoms are widely used in medical imaging research, yet current systems to generate controlled, clinically meaningful anatomical variations remain limited. We present AbdomenGen, a sequential volume-conditioned diffusion framework for controllable abdominal anatomy generation. We introduce the \textbf{Volume Control Scalar (VCS)}, a standardized residual that decouples organ size from body habitus, enabling interpretable volume modulation. Organ masks are synthesized sequentially, conditioning on the body mask and previously generated structures to preserve global anatomical coherence while supporting independent, multi-organ control. Across 11 abdominal organs, the proposed framework achieves strong geometric fidelity (e.g., liver dice $0.83 \pm 0.05$), stable single-organ calibration over $[-3,+3]$ VCS, and disentangled multi-organ modulation. To showcase clinical utility with a hepatomegaly cohort selected from MERLIN, Wasserstein-based VCS selection reduces distributional distance of training data by 73.6\% . These results demonstrate calibrated, distribution-aware anatomical generation suitable for controllable abdominal phantom construction and simulation studies.
• Abstract（参考訳）: コンピュータファントムは医用画像研究で広く用いられているが、制御された臨床的に意味のある解剖学的変異を生成する現在のシステムはまだ限られている。 本稿では,可制御性腹水発生のための逐次ボリューム条件拡散フレームワークであるAbdomenGenについて述べる。 本稿では,身体習慣から臓器の大きさを分離し,解釈可能な容積変調を可能にする標準化された残差である「textbf{Volume Control Scalar (VCS)」を紹介する。 臓器マスクは、独立した多臓器制御をサポートしながら、グローバルな解剖学的コヒーレンスを維持するために、ボディマスクと以前に生成された構造を条件付け、順次合成される。 11の腹部臓器にまたがって、提案する枠組みは、強い幾何学的忠実度(例えば、肝ディス$0.83 \pm 0.05$)、安定な単器官キャリブレーションを[-3,+3]$ VCSで達成し、また、非絡み合った多臓器調節を実現する。 MERLINから選択された肝腫コホートによる臨床的有用性を示すために、ワッサースタイン系VCS選択はトレーニングデータの分布距離を73.6\%減少させる。 これらの結果は, 制御可能な腹部ファントム構築とシミュレーション研究に適した, キャリブレーション, 分布認識型解剖学的生成を示すものである。

関連論文リスト

• CardioComposer: Flexible and Compositional Anatomical Structure Generation with Disentangled Geometric Guidance [0.6312872285702812]
  本研究では,3次元空間に埋め込まれた解釈可能な楕円体プリミティブを用いて,ヒト解剖学の非条件拡散モデルを導出する枠組みを提案する。 本手法は, 逆拡散過程の導出に幾何モーメントロスを適用した多部分割マップ内の特定の組織の選択を含む。
  論文  参考訳（メタデータ） (2025-09-08T23:08:23Z)
• Are Pixel-Wise Metrics Reliable for Sparse-View Computed Tomography Reconstruction? [61.48804987263701]
  解剖学的構造全体にわたる構造的完全性を評価するために,解剖学的評価尺度の組を提案する。 CAREは、重要な構造物の解剖学的保存を促進するために、訓練中に構造的罰則を取り入れている。 CAREはCT再建における構造的完全性を大幅に改善し、大臓器では+32%、小臓器では+22%、小腸では+40%、血管では+36%となる。
  論文  参考訳（メタデータ） (2025-06-02T17:07:10Z)
• MOSAIC: A Multi-View 2.5D Organ Slice Selector with Cross-Attentional Reasoning for Anatomically-Aware CT Localization in Medical Organ Segmentation [0.8747606955991707]
  既存の3Dセグメンテーションアプローチは計算的かつメモリ集約的であり、多くの場合、多くの解剖学的に無関係なスライスを含む全ボリュームを処理する。 セグメント化に先立って入力量を削減できる新しい解剖学的スライスセレクタパイプラインを提案する。 提案モデルでは, 構造的関連性の高いスライスを選択的に保持する多視点表現を前提として, 解剖学的局所化の「専門家」として機能する。
  論文  参考訳（メタデータ） (2025-05-15T19:32:28Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• A New Probabilistic V-Net Model with Hierarchical Spatial Feature Transform for Efficient Abdominal Multi-Organ Segmentation [15.26560999964979]
  本稿では, 階層的空間的特徴変調を用いた確率的多臓器分割ネットワークを提案する。 提案手法は公開されているAbdomenCT-1Kデータセットに基づいて訓練され、他の2つのオープンデータセットで評価される。
  論文  参考訳（メタデータ） (2022-08-02T11:51:46Z)
• A multi-organ point cloud registration algorithm for abdominal CT registration [5.0338371688780965]
  本研究では,興味ある臓器のサブセットを正確に登録することに焦点を当てる。 BCPDアルゴリズムのマルチオーガナイズ版であるMO-BCPDを導入する。 解剖学的ランドマークのターゲット登録誤差は、標準的なBCPDに比べてMO-BCPDの約2倍小さい。
  論文  参考訳（メタデータ） (2022-03-15T16:27:29Z)
• iPhantom: a framework for automated creation of individualized computational phantoms and its application to CT organ dosimetry [58.943644554192936]
  本研究の目的は、患者固有の幻覚やデジタル双眼鏡の自動作成のための新しいフレームワーク、iPhantomを開発し、検証することである。 この枠組みは、個々の患者のCT画像における放射線感受性臓器への放射線線量を評価するために応用される。 iPhantomは、アンカーオルガンのDice similarity Coefficients (DSC) >0.6の精度で全ての臓器の位置を正確に予測し、他のオルガンのDSCは0.3-0.9である。
  論文  参考訳（メタデータ） (2020-08-20T01:50:49Z)
• Fully-automated Body Composition Analysis in Routine CT Imaging Using 3D Semantic Segmentation Convolutional Neural Networks [0.6999740786886535]
  生体組織組成は、心臓血管疾患、腫瘍疾患、整形外科疾患において高い診断と予後を有するバイオマーカーである。 本研究の目的は,腹部CT検査による全身組織組成の完全自動的,再現性,定量的な3次元容積化を開発することである。
  論文  参考訳（メタデータ） (2020-02-25T10:17:19Z)

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。