論文の概要: Feynman Kac Reweighted Schrödinger Bridge Matching for Surface-Based Tau PET Harmonization

• arxiv url: http://arxiv.org/abs/2606.17420v1
• Date: Tue, 16 Jun 2026 02:06:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.213001
• Title: Feynman Kac Reweighted Schrödinger Bridge Matching for Surface-Based Tau PET Harmonization
• Title（参考訳）: Feynman Kac Reweighted Schrödinger Bridge Matching for Surface-based Tau PET Harmonization
• Authors: Jianwei Zhang, Xinyu Nie, Jiaxin Yue, Yonggang Shi,
• Abstract要約: ハーモナイズ法は、生物学的に有意なシグナルを保持しながら、部位によって引き起こされるシフトを取り除くことを目的としている。 本稿では,Feynman Kac Reweighted Schrodinger Bridge Matchingモデルを提案する。 本研究では,HABS-ADNIコホートからのPI-2620データをAV-1451ドメインに調和させることにより,SUVRマップ上での手法を評価する。
• 参考スコア（独自算出の注目度）: 5.20374411247051
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tau PET imaging is central to tracking Alzheimer's disease progression, but systematic differences between scanners, protocols, and radiotracers across sites introduce nonbiological variability that inflates biomarker variance, reduces sensitivity to disease effects, and can bias downstream clinical assessments. Harmonization methods aim to remove these site-induced shifts while preserving biologically meaningful signal, yet existing approaches struggle when source and target cohorts differ in subgroup composition, risking conflation of site effects with biological variation such as tau-positivity status. We propose the Feynman Kac Reweighted Schröodinger Bridge Matching (FKRSBM) model to address this problem. Rather than routing data through a Gaussian noise prior as in diffusion-based methods, FKRSBM learns a direct stochastic transport process between source and target distributions via entropy-regularized optimal transport. To enforce biologically consistent transport, FKRSBM incorporates a subgroup-aware endpoint proposal derived from a Feynman Kac reweighting of the reference bridge measure, implemented entirely through stratified importance sampling at the data level and requiring no changes to the underlying bridge-matching solver or network architecture. For surface-based neuroimaging, FKRSBM employs a spherical convolutional backbone operating on cortical meshes to perform vertex-level harmonization. We evaluate the method on tau PET SUVR maps, harmonizing PI-2620 data from the HABS-HD cohort into the AV-1451 domain of ADNI. Compared against ComBat, CycleGAN, a diffusion-based method (DF), and unregularized Diffusion Schröodinger Bridge Matching (DSBM), FKRSBM achieves superior distributional alignment, reduced tau-positivity sign mismatch, stronger APOE subgroup alignment, and improved downstream disease classification performance.
• Abstract（参考訳）: Tau PET画像はアルツハイマー病の進行を追跡する中心であるが、スキャナー、プロトコル、ラジオトラッカー間の系統的な違いは、バイオマーカーのばらつきを膨らませ、疾患効果に対する感受性を低下させ、下流の臨床的評価をバイアスさせる非生物学的変異をもたらす。 ハーモナイズ法は, 生物学的に有意なシグナルを保ちながら, これらの部位による変化を除去することを目的としているが, ソースとターゲットのコホートがサブグループ構成で異なる場合, タウ陽性状態などの生物学的変異を伴う部位効果の融合を危険にさらしている。 本稿では,Feynman Kac Reweighted Schröodinger Bridge Matching (FKRSBM)モデルを提案する。 FKRSBMは拡散に基づく手法のようにガウスノイズによるデータをルーティングするのではなく、エントロピー規則化された最適輸送を通してソースとターゲットの分布間の直接確率的輸送過程を学習する。 生物学的に一貫した輸送を強制するために、FKRSBMは、参照ブリッジ尺度のFeynman Kac再重み付けから派生したサブグループ対応エンドポイント提案を組み込んだ。 表面ベースのニューロイメージングでは、FKRSBMは皮質メッシュ上で動作する球状畳み込みバックボーンを用いて頂点レベルの調和を行う。 本研究では,HABS-HDコホートからのPI-2620データをADNIのAV-1451ドメインに調和させることにより,タウPETSUVRマップの手法の評価を行った。 ComBat, CycleGAN,fusion-based method (DF), and unregularized Diffusion Schröodinger Bridge Matching (DSBM), FKRSBM, reduce Tau-positivity sign mismatch, stronger APOE subgroup alignment, and improve downstream disease classification performance。

関連論文リスト

• Transfer Learning for Meta-analysis Under Covariate Shift [4.022283857139673]
  そこで本研究では,ソース・テリトリーの結果を豊富なプロキシ・シグナルとして扱い,ターゲット・テリトリー・プラセボの結果を少ない,高忠実なゴールド・ラベルとして扱うプラセボ・アンコール・トランスポート・フレームワークを提案する。 接続された設定全体では、提案手法は最善か最善か最善かで、プロキシのみ、ターゲットのみ、トランスポートベースラインよりも大幅に改善される。
  論文  参考訳（メタデータ） (2026-04-03T02:40:08Z)
• Denoising diffusion networks for normative modeling in neuroimaging [1.0195618602298684]
  ほとんどの神経画像パイプラインは画像由来表現型(IDP)の1つのモデルに適合する IDPの統一条件密度推定器として拡散確率モデル(DDPM)を提案する。 ヘテロセダスティックおよびマルチモーダルな年齢効果を持つ合成ベンチマークと,英国バイオバンクフリーサーファー表現型を用いて,次元2～200のスケールで評価した。
  論文  参考訳（メタデータ） (2026-01-24T06:19:10Z)
• SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
  グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。 時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。 SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
  論文  参考訳（メタデータ） (2026-01-19T07:42:45Z)
• Pretraining Transformer-Based Models on Diffusion-Generated Synthetic Graphs for Alzheimer's Disease Prediction [0.0]
  本稿では,合成データ生成とグラフ表現学習と伝達学習を組み合わせたTransformerベースの診断フレームワークを提案する。 実世界のNACCデータセットを用いて、クラス条件付き拡散確率モデル(DDPM)を訓練し、大規模な合成コホートを生成する。 モダリティ固有のグラフトランスフォーマーエンコーダは、まずこの合成データに基づいて、堅牢なクラス識別表現を学習する。
  論文  参考訳（メタデータ） (2025-11-24T19:34:53Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Weakly supervised covariance matrices alignment through Stiefel matrices estimation for MEG applications [64.20396555814513]
  本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。 我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。 MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
  論文  参考訳（メタデータ） (2024-01-24T19:04:49Z)
• Improve Myocardial Strain Estimation based on Deformable Groupwise Registration with a Locally Low-Rank Dissimilarity Metric [15.682983716154403]
  提案手法であるGroupwise-LLRは,全心相にわたる変位場を反復的に更新することで特徴追跡を行う。 Groupwise-LLRはドリフト効果を低減し、より正確な心筋追跡とひずみ推定を提供する。
  論文  参考訳（メタデータ） (2023-11-13T14:06:44Z)
• Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
  我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。 睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-05-30T08:24:01Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Robust Quantitative Susceptibility Mapping via Approximate Message Passing with Parameter Estimation [14.22930572798757]
  本稿では,パラメータ推定を組み込んだ定量的感受性マッピング(QSM)の確率的ベイズ的手法を提案する。 Sim2Snr1データセットでは、AMP-PEは最低のNRMSE、DFCM、最高のSSIMを達成した。 生体内データセットでは、AMP-PEは頑健であり、推定パラメータを用いて感受性マップの復元に成功した。
  論文  参考訳（メタデータ） (2022-07-29T14:38:03Z)
• Diffusion-GAN: Training GANs with Diffusion [135.24433011977874]
  GAN(Generative Adversarial Network)は、安定してトレーニングすることが難しい。 フォワード拡散チェーンを利用してインスタンスノイズを生成する新しいGANフレームワークであるDiffusion-GANを提案する。 我々は,Diffusion-GANにより,最先端のGANよりも高い安定性とデータ効率で,よりリアルな画像を生成することができることを示す。
  論文  参考訳（メタデータ） (2022-06-05T20:45:01Z)

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。