論文の概要: Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts

• arxiv url: http://arxiv.org/abs/2606.00146v1
• Date: Fri, 29 May 2026 02:48:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.063362
• Title: Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts
• Title（参考訳）: パラメータインフォームド・ディアングルメントと適応的エキスパートによるマルチコントラストMRI運動補正
• Authors: Honglin Xiong, Yuxian Tang, Feng Li, Yulin Wang, Lei Xiang, Dinggang Shen, Qian Wang,
• Abstract要約: パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。 ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。 ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
• 参考スコア（独自算出の注目度）: 56.74856091904914
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Motion artifacts in magnetic resonance imaging (MRI) degrade diagnostic reliability. Existing deep learning methods are typically contrast-specific and fail to generalize across diverse modalities and artifact severities. We propose a unified framework combining parameter-informed contrast disentanglement with severity-aware adaptive correction. ScanCLIP, pretrained on over 30,000 MRI text-image pairs, derives contrast embeddings from acquisition parameters to disentangle contrast style from anatomical content, yielding contrast-free features. A Vision Transformer then estimates motion severity and routes features through a Mixture-of-Experts network, enabling targeted artifact correction. A dual-pathway decoder reconstructs both the clean image and residual artifact map, enforcing image-space consistency. On IXI and HCP benchmarks, our method improves PSNR by 0.75 dB and SSIM by up to 0.0279 over state-of-the-art approaches, with larger gains at higher artifact severities. It further demonstrates robust zero-shot generalization on real-world clinical data acquired with unseen scanning parameters, where existing methods either fail to remove artifacts or introduce additional distortions.
• Abstract（参考訳）: MRIにおける運動アーティファクトは診断信頼性を低下させる。 既存のディープラーニング手法は、典型的にはコントラストに特有であり、様々なモダリティやアーティファクトの重症度にまたがる一般化に失敗する。 パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。 30,000以上のMRIテキストイメージペアで事前トレーニングされたScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。 ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。 デュアルパスウェイデコーダはクリーンイメージと残留アーティファクトマップの両方を再構成し、画像空間の一貫性を強制する。 IXI と HCP のベンチマークでは,最先端の手法に比べてPSNR を 0.75 dB と SSIM を 0.0279 まで改善し,高いアーティファクト精度が向上した。 さらに、既存の方法がアーティファクトの除去に失敗したり、追加の歪みを導入するという、目に見えないスキャンパラメータで取得した実世界の臨床データに対して、ゼロショットの堅牢な一般化が示される。

関連論文リスト

• DIST-CLIP: Arbitrary Metadata and Image Guided MRI Harmonization via Disentangled Anatomy-Contrast Representations [0.7201894411169433]
  DIST-CLIP(Disentangled Style Transfer with CLIP Guidance)を提案する。 このフレームワークは画像コントラストから解剖学的内容を明確に切り離し,コントラスト表現を事前学習したCLIPエンコーダを用いて抽出する。 DIST-CLIPを実世界の様々な臨床データセットで訓練し,評価した。
  論文  参考訳（メタデータ） (2025-12-08T16:09:10Z)
• Multi-Plane Vision Transformer for Hemorrhage Classification Using Axial and Sagittal MRI Data [5.440041095540414]
  種々の向きデータを用いた出血分類のための3次元多面視覚変換器(MP-ViT)を提案する。 軸コントラストと矢状コントラストに2つの別々のトランスフォーマーエンコーダを使用し、方向をまたいだ情報の統合にクロスアテンションを使用している。 MP-ViTは曲線下(AUC)の領域を大幅に改善し、ビジョントランスフォーマー(ViT)を5.5%、CNNベースのアーキテクチャを1.8%上回った。
  論文  参考訳（メタデータ） (2025-05-12T08:43:43Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Single-subject Multi-contrast MRI Super-resolution via Implicit Neural Representations [9.683341998041634]
  Inlicit Neural Representations (INR) は連続空間関数における相補的視点の2つの異なるコントラストを学習することを提案した。 我々のモデルは、3つのデータセットを用いた実験において、異なるコントラストのペア間で現実的な超解像を提供する。
  論文  参考訳（メタデータ） (2023-03-27T10:18:42Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• Transformer-empowered Multi-scale Contextual Matching and Aggregation for Multi-contrast MRI Super-resolution [55.52779466954026]
  マルチコントラスト・スーパーレゾリューション (SR) 再構成により, SR画像の高画質化が期待できる。 既存の手法では、これらの特徴をマッチングし、融合させる効果的なメカニズムが欠如している。 そこで本稿では,トランスフォーマーを利用したマルチスケールコンテキストマッチングとアグリゲーション技術を開発することで,これらの問題を解決する新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2022-03-26T01:42:59Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
  本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
  論文  参考訳（メタデータ） (2021-04-05T13:05:22Z)

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。