論文の概要: CRIS: Cross-Plane Self-Supervised Isotropic Restoration for Anisotropic Volumetric Imaging Across Modalities

• arxiv url: http://arxiv.org/abs/2606.15967v1
• Date: Sun, 14 Jun 2026 18:49:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 18:36:04.93655
• Title: CRIS: Cross-Plane Self-Supervised Isotropic Restoration for Anisotropic Volumetric Imaging Across Modalities
• Title（参考訳）: CRIS : 異方性容積像の経時的変化に対する横面自己監督等方性修復術
• Abstract要約: CRISは、対の等方的基底真理を伴わない等方的復元のための平面横断型自己教師型フレームワークである。 CRISを2つのMRIコホートと2つの顕微鏡で評価し、8倍の異方性を示した。
• 参考スコア（独自算出の注目度）: 1.299941371793082
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anisotropic volumetric acquisitions are common in clinical MRI and volume electron microscopy (vEM), where sparse through-plane sampling creates thick slices or sections that degrade orthogonal reformats and downstream analysis. We present CRIS, a cross-plane self-supervised framework for isotropic restoration without paired isotropic ground truth. CRIS casts 3D restoration as 2D stripe completion on orthogonal reformats of an isotropic grid: high-resolution in-plane slices are synthetically degraded and periodically masked for training, while at inference blank slices define the isotropic grid, two orthogonal reformats are restored, and predictions are fused by multi-view averaging. We evaluate CRIS on two MRI cohorts and two microscopy benchmarks up to 8x anisotropy. On brain MRI, CRIS achieves 32.921 +/- 0.436 dB PSNR and 0.9631 +/- 0.0027 SSIM, outperforming interpolation, SMORE4, SIMPLE, SA-INR, and ATME, and gives the best segmentation consistency (Dice 0.940 +/- 0.004, ASSD 0.245 +/- 0.014 mm, HD99 1.275 +/- 0.061 mm). On reference-free abdominal MRI, CRIS reduces FID/KID to 48.714/0.023. On vEM, CRIS outperforms interpolation, NIIV, and vEMINR, reaching 29.133 dB/0.834 3D PSNR/SSIM at 4x, 27.123 dB/0.734 on EPFL at 8x, and 21.915 dB/0.699 on noisy hemibrain data. In a robustness experiment, one variable-gap CRIS model evaluated across gap factors 3--7 and coronal, axial, and sagittal degradations maintained higher PSNR/SSIM than interpolation (36.36--31.14 dB and 0.977--0.932 vs. 33.07--27.85 dB and 0.951--0.853). These results support CRIS as a modality-flexible route to isotropic restoration without paired isotropic targets or configuration-specific retraining. Code is available at https://github.com/adi-hatav/CRIS.
• Abstract（参考訳）: 異方性体積取得は、臨床MRIや体積電子顕微鏡(vEM)でよく見られるもので、スパース・スループレーンサンプリングは、直交整形と下流分析を分解する分画または分画を生成する。 対等方的基底真理を伴わない等方的復元のための平面横断型自己教師型フレームワークであるCRISを提案する。 CRISは、等方格子の直交リフォームにおける2次元ストリップ完了として3D復元を行う:高分解能の面内スライスを合成分解し、トレーニングのために周期的にマスクし、推論時にブランクスライスを等方格子と定義し、2つの直交リフォームを復元し、マルチビュー平均化により予測を融合させる。 CRISを2つのMRIコホートと2つの顕微鏡で評価し、8倍の異方性を示した。 脳MRIでは、CRISは32.921 +/- 0.436 dB PSNRと0.9631 +/- 0.0027 SSIMを達成し、補間、SMORE4、SIMPLE、SA-INR、ATMEよりも優れたセグメンテーション一貫性を与える(Dice 0.940 +/- 0.004、ASSD 0.245 +/- 0.014 mm、HD99 1.275 +/- 0.061 mm)。 基準のない腹部MRIでは、CRISはFID/KIDを48.714/0.023に減少させる。 vEMでは、CRISは補間、NIIV、VEMINRを上回り、4xで29.133 dB/0.834 3D PSNR/SSIM、8xでEPFLで27.123 dB/0.734、ノイズの多いヘミブレインデータで21.915 dB/0.699に達する。 頑健性実験では、ギャップファクター3～7と、コロナ、軸、サジタタルの劣化で評価された1つの可変ギャップCRISモデルは、補間よりもPSNR/SSIMが高い(36.36-31.14 dBと0.977--0.932対. 33.07--27.85 dBと0.951--0.853)。 これらの結果から,CRISは対等方的標的や構成特異的な再トレーニングを伴わずに,等方的修復に適応できる経路として支持された。 コードはhttps://github.com/adi-hatav/CRISで入手できる。

関連論文リスト

• MRI-Guided Reslice-Refined Cross-Slice SDF Reconstruction of the Left Ventricle from Cardiac MRI with Sparse Axial Supervision [3.677948559009858]
  MR-RS-SDFRはケースごとの暗黙的符号距離場(SDF)フレームワークで,CMR体積と粗い軸方向の弱いマスクから連続的なLV表面を再構成する。 LOO TransUNet, LOO nnU-Net, and a off-thelf Medical SAM3 model without MM-WHS-specific training or fine-tuning。 3つのスパース16マスクソースの中で、MR-RS-SDFRはDiceとHD95の両方のプロトコルマッチングフルGHD+DVSよりも数値的に優れている。
  論文  参考訳（メタデータ） (2026-09-08T02:29:36Z)
• DINO-3DRA: Leveraging 2D Foundation Model Semantics for 3D Cerebral Aneurysm Segmentation [42.65813094687315]
  本稿では,DINO-3DRAを提案する。 マルチ中心3DRAデータでは、DINO-3DRAは5.72Mのトレーニング可能なパラメータしか持たない最先端の動脈瘤セグメンテーションを実現する。
  論文  参考訳（メタデータ） (2026-08-07T21:17:11Z)
• Cross-Modality Structural Guidance in 3D Latent Diffusion for Robust FLAIR Super-Resolution [0.2959600957981674]
  高分解能(HR)MRIの取得は、しばしばスキャン時間制限によって妨げられる。 深層学習に基づく超解像法は、しばしば解剖学的詳細を幻覚させ、脳の構造的整合性を損なう。 MR-DiffuSRは,HR T1w構造像を予め組み込んだ多解拡散型超解法フレームワークで,厚めのFLAIRスキャンの復元を誘導する。
  論文  参考訳（メタデータ） (2026-06-24T00:26:01Z)
• Three-Dimensional Retinal Microvasculature Restoration in OCT Angiography [4.442929593591647]
  本稿では,1つのOCTAボリュームから解剖学的血管を復元する深層学習アルゴリズムを提案する。 提案モデルでは,元のOCTAボリュームに比べて画質が大幅に向上した。
  論文  参考訳（メタデータ） (2026-06-03T19:23:09Z)
• Personalized 3D Myocardial Infarct Geometry Reconstruction from Cine MRI for Cardiac Digital Twins [7.407471411133294]
  本研究では,3次元MIをシネMRIから直接再構成する新しい形状運動組込みモデルを提案する。 225 cine MRI 実験の結果,提案した 3D MI 再構成はDice スコア0.678 $pm$ 0.011 で高い性能を示した。
  論文  参考訳（メタデータ） (2026-06-01T07:25:56Z)
• Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
  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。
  論文  参考訳（メタデータ） (2026-05-29T02:48:23Z)
• PRISM: Differentiable Analysis-by-Synthesis for Fixel Recovery in Diffusion MRI [1.3063136334195184]
  この研究は、多部構成のフォワードモデルとエンドツーエンドの脳脊髄モデルに適合する、微分可能な分析バイシンセシスフレームワークを紹介します。 PRISMは高速MSE目標と情報無しで共同で学習するリッチ陰性対数類似度(NLL)をサポートする。 PRISMは、95%のリコールが最良基準線よりも1.9倍低い3.5度の角誤差を達成している。
  論文  参考訳（メタデータ） (2026-03-31T21:22:49Z)
• Comparative Analysis of 3D Convolutional and 2.5D Slice-Conditioned U-Net Architectures for MRI Super-Resolution via Elucidated Diffusion Models [0.0]
  脳MRI SRのためのEDM(Elucidated diffusion model)フレームワークについて検討した。 2つのU-Netバックボーンアーキテクチャを比較する: 3次元畳み込みとマルチヘッド自己アテンションを備えたボリュームパッチを処理するフル3次元畳み込みU-Netと、隣り合うスライスに条件付けしながら各スライスを独立して解決する2.5Dスライス条件付きU-Netである。
  論文  参考訳（メタデータ） (2026-03-15T23:48:29Z)
• High-Resolution Magnetic Particle Imaging System Matrix Recovery Using a Vision Transformer with Residual Feature Network [4.077013189011985]
  本研究は,Residual Feature Network(VRF-Net)を用いたハイブリッドディープラーニングフレームワークであるVision Transformerを提案する。 VRF-Netは、トランスフォーマーベースのグローバルアテンションと残差畳み込みリファインメントを組み合わせることで、課題に対処する。 よりシャープでアーチファクトのないシステムマトリックスのリカバリと、複数のスケールにわたる堅牢なイメージ再構成を可能にする。
  論文  参考訳（メタデータ） (2025-11-04T03:03:39Z)
• Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
  画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。 グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。 我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
  論文  参考訳（メタデータ） (2023-11-22T21:51:29Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
  骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)

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。