論文の概要: Triple-Phase Sequential Fusion Network for Hepatobiliary Phase Liver MRI Synthesis

• arxiv url: http://arxiv.org/abs/2604.22904v2
• Date: Wed, 29 Apr 2026 11:19:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 13:51:53.965906
• Title: Triple-Phase Sequential Fusion Network for Hepatobiliary Phase Liver MRI Synthesis
• Title（参考訳）: 肝胆道相MRI合成のための三相逐次核融合ネットワーク
• Authors: Qiuli Wang, Xinhuan Sun, Fengxi Chen, Yongxu Liu, Jie Cheng, Lin Chen, Jiafei Chen, Yue Zhang, Xiaoming Li, Wei Chen,
• Abstract要約: 肝胆道相(HBP)は、ワークフロー効率を低下させ、運動アーティファクトのリスクを増大させる、長いコントラスト後遅延を必要とする。 本稿では,HBP前シーケンスからの逐次情報を活用することで,HBP画像の合成を行うTriPF-Netを提案する。 従来の手法と比較して、TriPF-Netは2つのセンターのデータセット上で優れたパフォーマンスを達成した。
• 参考スコア（独自算出の注目度）: 15.12657950766568
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gadoxetate disodium-enhanced MRI is essential for the detection and characterization of hepatocellular carcinoma. However, acquisition of the hepatobiliary phase (HBP) requires a prolonged post-contrast delay, which reduces workflow efficiency and increases the risk of motion artifacts. In this study, we propose a Triple-Phase Sequential Fusion Network (TriPF-Net) to synthesize HBP images by leveraging the sequential information from pre-HBP sequences: while T1-weighted imaging serves as the indispensable baseline, the model adaptively integrates arterial-phase (AP) and venous-phase (VP) features when available. By modeling the tissue-specific contrast uptake and excretion dynamics across these three phases, TriPF-Net ensures robust HBP synthesis even under the stochastic absence of one or both dynamic contrast-enhanced sequences. The framework comprises an Enhanced Region-Guided Encoder and a Dynamic Feature Unification Module, optimized with a Region-Guided Sequential Fusion Loss to maintain physiological consistency. In addition, clinical variables, including age, sex, total bilirubin, and albumin, are incorporated to enhance physiological consistency. Compared with conventional methods, TriPF-Net achieved superior performance on datasets from two centers. On the internal dataset, the model achieved an MAE of 10.65, a PSNR of 23.27, and an SSIM of 0.76. On the external validation dataset, the corresponding values were 12.41, 23.11, and 0.78, respectively. This flexible solution enhances clinical workflow and lesion depiction, potentially eliminating the need for delayed HBP acquisition in HCC imaging.
• Abstract（参考訳）: Gadoxetate disodium-enhanced MRIは肝細胞癌の検出と評価に必須である。 しかし,肝胆道相 (HBP) の獲得には長いコントラスト後遅延が必要であるため,ワークフローの効率が低下し,運動アーティファクトのリスクが増大する。 本研究では,T1強調画像が必須のベースラインとして機能するのに対して,T1強調画像は動脈相(AP)と静脈相(VP)の機能を適応的に統合する。 TriPF-Netはこれら3つの相にわたる組織特異的コントラスト取り込みと排他ダイナミクスをモデル化することにより、1つまたは両方の動的コントラスト増強配列の確率的欠如の下でも堅牢なHBP合成を保証する。 このフレームワークは、強化されたリージョンガイドエンコーダと、生理的整合性を維持するためにリージョンガイドシーケンスフュージョンロスを最適化した動的特徴統一モジュールを備える。 さらに、年齢、性別、総ビリルビン、アルブミンを含む臨床変数が組み込まれ、生理的一貫性が向上する。 従来の手法と比較して、TriPF-Netは2つのセンターのデータセット上で優れたパフォーマンスを達成した。 内部データセットでは、MAEは10.65、PSNRは23.27、SSIMは0.76である。 外部検証データセットでは, それぞれ12.41, 23.11, 0.78であった。 このフレキシブルソリューションは、臨床ワークフローと病変の描写を強化し、HCCイメージングの遅延HBP取得の必要性をなくす可能性がある。

関連論文リスト

• ADP-DiT: Text-Guided Diffusion Transformer for Brain Image Generation in Alzheimer's Disease Progression [0.7773571879033719]
  ADP-DiTは経時的ADMRI合成のための臨床用テキストコンディショニングトランスフォーマである。 DiTは、多領域の人口統計、診断(CN/MCI/AD)、神経心理学情報を自然言語のプロンプトとして符号化する。 ADP-DiTは712人の被験者から3,321個の3T T1重み付きスキャンを行い、SSIM 0.8739とPSNR 29.32 dBを達成し、+0.1087 SSIMと+6.08 dB PSNRでDiTベースラインを改良した。
  論文  参考訳（メタデータ） (2026-04-15T05:30:14Z)
• 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)
• 3D-LLDM: Label-Guided 3D Latent Diffusion Model for Improving High-Resolution Synthetic MR Imaging in Hepatic Structure Segmentation [11.912761174094795]
  3D-LLDMはラベル誘導3D潜在拡散モデルであり、対応する解剖学的セグメンテーションマスクを備えた高品質な合成磁気共鳴(MR)ボリュームを生成する。 Gd-EOBPA造影剤で造影した肝胆道相MR画像を用いて肝,門脈,肝静脈,肝胆道癌の構造マスクを抽出した。 データ拡張に使用すると、合成ボリュームは5つのCNNアーキテクチャで最大11.153%のDiceスコアで癌セグメンテーションを改善する。
  論文  参考訳（メタデータ） (2026-03-25T02:03:10Z)
• TriFusion-SR: Joint Tri-Modal Medical Image Fusion and SR [42.84193423224821]
  多モード医用画像融合は相補的構造情報と機能情報を集約することにより包括的診断を容易にする。 既存のアプローチは通常、画像融合と超解像(SR)を別々の段階で実行し、アーティファクトと知覚品質を劣化させる。 本稿では,TriFusionSRを提案する。TriFusionSRはウェーブレット誘導型三モード融合とSRのための条件拡散フレームワークである。
  論文  参考訳（メタデータ） (2026-03-10T14:13:40Z)
• Prior-AttUNet: Retinal OCT Fluid Segmentation Based on Normal Anatomical Priors and Attention Gating [6.013762133627291]
  本研究は, 生成解剖学的先行を付加したセグメンテーションモデルである Pre-AttUNet を紹介する。 このフレームワークは、生成前の経路とセグメンテーションネットワークを統合するハイブリッドなデュアルパスアーキテクチャを採用している。 このモデルは計算コストが 0.37 TFLOPs で、セグメント精度と推論効率の効果的なバランスを保っている。
  論文  参考訳（メタデータ） (2025-12-25T14:37:04Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• HepatoGEN: Generating Hepatobiliary Phase MRI with Perceptual and Adversarial Models [33.7054351451505]
  肝胆道相(HBP)画像の初期コントラスト位相からの深層学習に基づく合成手法を提案する。 pGANの定量的評価は, 視力評価とブラインドドラジオロジカル・レビューの併用により, pGANが最高の定量的性能を示した。 対照的に、U-Netは、より少ないアーティファクトで一貫した肝拡張を発生させ、DDPMは、微細構造の詳細の保存が限られているため、性能が低下した。
  論文  参考訳（メタデータ） (2025-04-25T15:01:09Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• 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)

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。