論文の概要: Disentangled Anatomy-Disease Diffusion (DADD) for Controllable Ulcerative Colitis Progression Synthesis

• arxiv url: http://arxiv.org/abs/2605.01848v1
• Date: Sun, 03 May 2026 12:35:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.96408
• Title: Disentangled Anatomy-Disease Diffusion (DADD) for Controllable Ulcerative Colitis Progression Synthesis
• Title（参考訳）: 難治性潰瘍性大腸炎進行合成のための解剖・解離拡散法(DADD)
• Authors: Umut Dundar, Alptekin Temizel,
• Abstract要約: 我々は,長期医療画像の制御可能な病期における合成の課題に対処する。 本誌のフレームワークDisentangled Anatomy Diffusionは、2つの相補的な埋め込みに潜時拡散モデルを適用している。 疾患関連チャネルを識別・抑制するクロスアテンションに基づく消去機構であるFeatureを導入する。 提案手法は,全重度レベルの高忠実度画像を生成し,スキュートクラス分布を効果的に再バランスさせる。
• 参考スコア（独自算出の注目度）: 4.554894288663752
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthesizing longitudinal medical images at controllable disease stages while preserving patient-specific anatomy is hindered by the entanglement of pathological textures and structural features. We address this challenge for ulcerative colitis (UC) endoscopy, where severity follows a continuous ordinal progression along the Mayo Endoscopic Score (MES). Our framework, Disentangled Anatomy-Disease Diffusion (DADD), conditions a latent diffusion model on two complementary embeddings: a pretrained image encoder for patient anatomy and a separately trained ordinal embedder for cumulative disease severity. Since image embeddings inevitably capture disease information, we introduce a Feature Purifier, a cross-attention-based erasure mechanism that identifies and suppresses disease-correlated channels, yielding purified anatomical representations. These cleaned anatomy tokens and target disease tokens are injected into the denoising network via a Triple-Pathway Cross-Attention mechanism with resolution-dependent routing gates. This architecture leverages the U-Net hierarchy, in which different network depths encode global structure versus fine-grained pathological texture. Furthermore, we introduce Delta Steering, a training-free directional signal derived from the ordinal embeddings that enables explicit, single-pass control over disease transitions at inference without requiring additional forward passes. Validated on the LIMUC dataset, our approach produces high-fidelity images across all severity levels and effectively rebalances skewed class distributions, enhancing performance for downstream classification tasks. The dataset is available at zenodo.org/records/5827695 and the code base at github.com/umutdundar99/progressive-stable-diffusion
• Abstract（参考訳）: 患者固有の解剖学を保存しながら, コントロール可能な病期における経時的医療画像の合成は, 病理組織学的テクスチャと構造的特徴の絡み合いによって妨げられる。 潰瘍性大腸炎 (UC) の内視鏡検査では, マヨ内視鏡スコア (MES) に沿って重症度が連続的に進行する。 本研究のフレームワークであるDADD(Disentangled Anatomy-Disease Diffusion)は,患者解剖のための事前訓練画像エンコーダと,累積疾患重症度を別々に訓練した経時的埋め込み装置の2つの相補的埋め込みに潜時拡散モデルを適用した。 画像埋め込みは必然的に疾患情報をキャプチャするので,疾患関連チャネルを特定し,抑制するクロスアテンションに基づく消去機構であるFeature Purifierを導入し,精製された解剖学的表現を与える。 これらの浄化された解剖学的トークンと標的疾患トークンは、分解能依存的なルーティングゲートを備えたトリプルパスウェイクロスアテンション機構を介してデノナイジングネットワークに注入される。 このアーキテクチャはU-Net階層を利用しており、ネットワークの深さが大域構造と微粒な病理テクスチャをエンコードする。 さらに、デルタステアリング(Delta Steering)は、追加のフォワードパスを必要とせず、推論時の疾患遷移に対する明示的な単一パス制御を可能にする、順序埋め込みから導出される訓練不要な指向性信号である。 LIMUCデータセットで検証し、全重度レベルの高忠実度画像を生成し、スキュートクラス分布を効果的に再バランスさせ、下流分類タスクの性能を向上させる。 データセットはzenodo.org/records/5827695で、コードベースはgithub.com/umutdundar99/progressive-stable-diffusionで利用可能である

関連論文リスト

• Anatomy-Aware Unsupervised Detection and Localization of Retinal Abnormalities in Optical Coherence Tomography [4.828654519487229]
  教師なしの異常検出フレームワークは、病変のアノテーションなしで正常な網膜解剖の規範的な分布を学習する。 網膜層を意識した3重項学習と構造的三重項学習を併用し,病的表現と健康的表現を分離する。 Kermany データセット (AUROC: 0.799) では,VAE, VQVAE, VQGAN, f-AnoGAN ベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-24T01:09:05Z)
• CDSA-Net:Collaborative Decoupling of Vascular Structure and Background for High-Fidelity Coronary Digital Subtraction Angiography [6.9238365464763545]
  冠動脈画像におけるデジタルサブトラクション(DSA)は、生理学的運動によって根本的に困難である。 本稿では,CDSA-Netと呼ばれる新しい枠組みを提案する。 モルフォロジー評価効率は25.6%改善し、血行力学的評価速度は42.9%向上した。
  論文  参考訳（メタデータ） (2026-04-19T02:35:59Z)
• Self-supervised Disentanglement of Disease Effects from Aging in 3D Medical Shapes [2.599824013064261]
  3次元医療形態の生理的加齢による病態変化は,解釈可能なバイオマーカーの開発と患者層形成に不可欠である。 そこで本研究では,非教師付き疾患発見と暗黙的形状表現の自己教師付き不整合を併用した2段階の枠組みを提案する。 ほぼ教師なしのパフォーマンスを実現し、最先端の教師なしベースラインに対する絡み合いと再構築を改善した。
  論文  参考訳（メタデータ） (2026-03-16T19:52:52Z)
• Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
  制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。 In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。 IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
  論文  参考訳（メタデータ） (2026-03-11T06:14:11Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Inpainting Pathology in Lumbar Spine MRI with Latent Diffusion [4.410798232767917]
  病理組織学的特徴をMRIで健全な解剖学的特徴に塗布する効率的な方法を提案する。 腰椎椎間板ヘルニアと中心管狭窄に対し,T2 MRIにて椎間板ヘルニアを挿入する能力について検討した。
  論文  参考訳（メタデータ） (2024-06-04T16:47:47Z)
• Deep Angiogram: Trivializing Retinal Vessel Segmentation [1.8479315677380455]
  本研究では,無関係な特徴をフィルタリングし,深部血管造影という潜像を合成するコントラスト型変分自動エンコーダを提案する。 合成ネットワークの一般化性は、画像コントラストとノイズの特徴の変動に敏感なモデルを実現するコントラスト損失によって改善される。
  論文  参考訳（メタデータ） (2023-07-01T06:13:10Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)

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。