論文の概要: A Proof-of-Concept Study of Multitask Learning for Cranial Synthetic CT Generation Across Heterogeneous MRI Field Strengths

• arxiv url: http://arxiv.org/abs/2605.00923v1
• Date: Thu, 30 Apr 2026 17:36:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.483013
• Title: A Proof-of-Concept Study of Multitask Learning for Cranial Synthetic CT Generation Across Heterogeneous MRI Field Strengths
• Title（参考訳）: 不均質MRI野強度を用いた頭蓋骨合成CT生成のためのマルチタスク学習の実証的研究
• Authors: Zhuoyao Xin, Yiren Zhang, Christopher Wu, Dong Liu, Chunming Gu, Elena Greco, Erik H. Middlebrooks, Jun Hua, Jia Guo,
• Abstract要約: 我々は頭蓋骨CT合成をモジュラー構造結合問題として定式化する。 異種MRI条件間のロバスト性を改善するためのディープラーニングフレームワークを提案する。 マルチサイトデータセットの実験では、従来の手法に比べて性能と一般化が向上した。
• 参考スコア（独自算出の注目度）: 8.210095985939775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate synthesis of computed tomography (CT) images from magnetic resonance imaging (MRI) is clinically valuable for cranial applications such as attenuation correction, radiotherapy planning, and image-guided interventions. However, heterogeneity across MRI field strengths and acquisition protocols limits the generalizability of existing methods. In this study, we formulate cranial CT synthesis as a modular, structurally coupled problem and propose a deep learning framework to improve robustness across heterogeneous MRI conditions. The model is designed to adapt to variations in field strength and imaging protocols while preserving anatomical consistency. Experiments on multi-site datasets demonstrate improved performance and generalization compared with conventional approaches. The proposed method enables reliable CT synthesis across heterogeneous MRI settings, supporting broader clinical translation.
• Abstract（参考訳）: MRI画像からのCT画像の正確な合成は、減衰補正、放射線治療計画、画像誘導的介入などの頭蓋内応用に臨床的に有用である。 しかし、MRIフィールド強度と取得プロトコルのヘテロジニティは、既存の手法の一般化性を制限している。 本研究では,頭部CT合成をモジュール構造結合問題として定式化し,異種MRI条件間の堅牢性を改善するためのディープラーニングフレームワークを提案する。 このモデルは、解剖学的一貫性を維持しながら、磁場強度とイメージングプロトコルのバリエーションに適応するように設計されている。 マルチサイトデータセットの実験では、従来の手法に比べて性能と一般化が向上した。 提案手法は, より広範な臨床翻訳を支援するため, 異種MRI設定における信頼性の高いCT合成を可能にする。

関連論文リスト

• Mamba-driven MRI-to-CT Synthesis for MRI-only Radiotherapy Planning [4.3531418255555545]
  マンバ (Mamba) は、モダリティ間翻訳のための状態空間モデルである。 We adapt the U-Mamba and the SegMamba architecture, originally proposed for segmentation, to perform cross-modality image generation。 私たちの3D Mambaアーキテクチャは、複雑な特徴と長距離ボリューム依存を効果的に捉え、正確なCT合成を可能にします。
  論文  参考訳（メタデータ） (2026-03-24T14:56:39Z)
• Structure-constrained Language-informed Diffusion Model for Unpaired Low-dose Computed Tomography Angiography Reconstruction [72.80209358480424]
  ヨウ素化コントラスト培地(ICM)の過剰摂取は、腎臓の損傷と致命的なアレルギー反応を引き起こす。 深層学習法は、低線量ICMから正常線量ICMのCT画像を生成することができ、必要な線量を減らすことができる。 本研究では,構造シナジーと空間知性を統合した構造制約型言語情報拡散モデル(SLDM)を提案する。
  論文  参考訳（メタデータ） (2026-01-28T06:54:06Z)
• JSover: Joint Spectrum Estimation and Multi-Material Decomposition from Single-Energy CT Projections [45.14515691206885]
  多物質分解(MMD)は、ヒト体内の組織組成を定量的に再構築することを可能にする。 従来のMDDは、通常、スペクトルCTスキャナーと事前に測定したX線エネルギースペクトルを必要とし、臨床応用性を大幅に制限する。 本稿では,多材料構成を共同で再構成し,SECT投影から直接エネルギースペクトルを推定する一段階SEMMDフレームワークであるJSoverを提案する。
  論文  参考訳（メタデータ） (2025-05-12T23:32:21Z)
• Path and Bone-Contour Regularized Unpaired MRI-to-CT Translation [1.6722543148703735]
  MRI-to-CT 翻訳におけるパス・コントラスト正規化手法を提案する。 この方法では、MRIとCTの画像を共有潜在空間に投影し、MRIとCTのマッピングをニューラル常微分方程式によって制御された連続流としてモデル化する。 提案手法は既存のMRI-CT翻訳手法よりも優れ,全体の誤差率を低くする。
  論文  参考訳（メタデータ） (2025-05-06T02:08:35Z)
• Synthetic CT image generation from CBCT: A Systematic Review [44.01505745127782]
  深層学習法を用いたコーンビームCT(CBCT)データから合成CT(sCT)画像を生成することは,放射線腫瘍学における重要な進歩である。 sCT 生成における深層学習アプローチの頻度を明らかにするため,35 件の関連研究を同定,解析した。
  論文  参考訳（メタデータ） (2025-01-22T13:54:07Z)
• Leveraging Multimodal CycleGAN for the Generation of Anatomically Accurate Synthetic CT Scans from MRIs [1.779948689352186]
  我々は、MRIから合成CTスキャンを生成するために、Deep Learningモデルの異なる構成の能力を解析する。 異なるMRIモダリティからCTスキャンを生成するために、コントラスト剤を使用しないいくつかのCycleGANモデルを教師なしで訓練した。 結果から, 入力のモーダル性に応じて, モデルが全く異なる性能を持つことを示す。
  論文  参考訳（メタデータ） (2024-07-15T16:38:59Z)
• Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with Feature Extraction [3.2088888904556123]
  合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。 提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
  論文  参考訳（メタデータ） (2023-10-31T16:39:56Z)
• 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)
• Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
  本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。 画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:31:03Z)
• Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR Images using a GAN [59.60954255038335]
  提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-06-26T02:50:09Z)

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。