論文の概要: Cross-Modality Structural Guidance in 3D Latent Diffusion for Robust FLAIR Super-Resolution
- arxiv url: http://arxiv.org/abs/2606.25255v1
- Date: Wed, 24 Jun 2026 00:26:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.171637
- Title: Cross-Modality Structural Guidance in 3D Latent Diffusion for Robust FLAIR Super-Resolution
- Title（参考訳）: ロバストFLAIR超解法における3次元潜伏拡散におけるクロスモーダル構造誘導
- Authors: Haoyu Lan, Jiazhen Zhang, John Onofrey, Bino Varghese, Nasim Sheikh-Bahaei, Arthur W. Toga, Jeiran Choupan,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.2959600957981674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-resolution (HR) MRI acquisition is often hampered by scan time constraints, resulting in anisotropic or low-resolution scans (e.g., thick-slice FLAIR) that limit diagnostic accuracy. While deep learning-based super-resolution (SR) methods show promise, they often hallucinate anatomical details, which can compromise brain structural integrity. To mitigate this limitation, we introduce MR-DiffuSR, a Multi-Resolution Diffusion-based Super-Resolution framework that incorporates HR T1w structural image priors to guide the restoration of thick-slice FLAIR scans and operates in the 3D latent space. Our architecture introduces cross-modality structural swin-attention, which derives structural attention maps from the HR T1w and applies them to the low-resolution FLAIR latent features. This design disentangles anatomical structure from modality-specific contrast, effectively preventing hallucinations. Furthermore, we employ a mixed-scale degradation strategy, training the model on a continuum of downsampling factors to ensure robustness to varying slice thicknesses, while optimizing with a DINOv3-based perceptual loss to preserve high-frequency semantic details. Evaluated on the ADNI-4 dataset, MR-DiffuSR surpasses both CNN and 2D diffusion approaches, achieving an average PSNR of 32.46dB, SSIM of 0.97, and LPIPS of 0.07 across all downsampling factors. In downstream white matter hyperintensity segmentation, our model demonstrates exceptional robustness. While baseline performance collapses at 10x down-sampling (Dice: 0.51), MR-DiffuSR maintains a Dice score of 0.63, preserving utility even at 7mm equivalent slice thickness.
- Abstract（参考訳）: 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、診断精度を制限する異方性または低分解能スキャン(例えば、厚いスライスFLAIR)が発生する。
深層学習に基づく超解像法は将来性を示すが、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、厚みのあるFLAIRスキャンの復元を誘導し、3D潜在空間で動作させる。
本アーキテクチャでは,HR T1wから構造注意マップを導出し,低分解能FLAIR潜伏特性に適用する。
この設計は、解剖学的構造をモダリティ特異的コントラストから切り離し、幻覚を効果的に防止する。
さらに,DINOv3に基づく知覚的損失を最適化し,高頻度のセマンティックディテールを保ちながら,様々なスライス厚さに対する堅牢性を確保するために,ダウンサンプリング因子の連続体上でモデルを訓練する。
ADNI-4データセットに基づいて評価され、MR-DiffuSRはCNNと2D拡散アプローチを上回り、平均PSNRは32.46dB、SSIMは0.97、LPIPSは0.07である。
下流の白色物質の超強度セグメンテーションでは、我々のモデルは例外的な堅牢性を示す。
ベースライン性能は10倍ダウンサンプリングで低下する(Dice: 0.51)が、MR-DiffuSRはDiceスコアが0.63であり、7mm相当のスライス厚でも有効である。
関連論文リスト
- Parameter-Efficient Adaptation of SAM 3 for Automated ITV Generation from 4DCT Images [0.0]
4次元CT(4DCT)は胸部解剖の完全な呼吸周期を捉えている。
現在の内部ターゲットボリューム構成プロセスは、各フェーズを分離し、時間的コヒーレンスを破棄し、フェーズ固有のアーティファクトに脆弱なままにしておく。
低ランク適応(LoRA)を介してSegment Anything Model 3(SAM3)にパラメータ効率の良い微調整を適用するフレームワークを提案する。
7つの注釈付きボリュームで、このフレームワークは全データの精度の95%以上を保持し、パイプライン全体は1つのコンシューマグレードのGPUでトレーニングできる。
論文 参考訳（メタデータ） (2026-06-14T05:12:57Z) - 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) - D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。
提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
論文 参考訳（メタデータ） (2026-05-21T09:55:42Z) - CAHAL: Clinically Applicable resolution enHAncement for Low-resolution MRI scans [29.281962308908195]
脳MRIの大規模自動形態計測解析は、太いスライスによって制限される。
既存の生成超解像法は、視覚的に魅力的な等方性ボリュームを生成するが、しばしば解剖学的幻覚を導入する。
本稿では,低分解能MRIスキャンのためのCAHAL(Clinically Applicable resolution enhancement for Low- resolution MRI)を提案する。
論文 参考訳（メタデータ） (2026-04-20T19:45:11Z) - DSA-SRGS: Super-Resolution Gaussian Splatting for Dynamic Sparse-View DSA Reconstruction [67.42242016220122]
血管造影は脳血管疾患の補助的診断と治療のための重要な画像診断法である。
ガウススプラッティングと動的神経表現の最近の進歩は、スパースダイナミックインプットから頑健な3次元血管再構築を可能にしている。
本稿では、動的スパースビューDSA再構成のための初の超高分解能ガウススプラッティングフレームワークであるDSA-SRGSを提案する。
論文 参考訳（メタデータ） (2026-03-05T03:41:08Z) - Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。
MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
論文 参考訳（メタデータ） (2026-01-29T13:05:46Z) - Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features [51.5076190312734]
ビデオ超解法アプローチは、エラーの蓄積、空間的アーティファクト、知覚的品質と忠実さのトレードオフに悩まされる。
ビデオ超解像(DGAF-VSR)に適した特徴を持つ新しい誘導拡散モデルを提案する。
合成および実世界のデータセットの実験では、DGAF-VSRがVSRの重要な側面において最先端の手法を超越していることが示されている。
論文 参考訳（メタデータ） (2025-11-21T03:40:45Z) - Scanner-Agnostic MRI Harmonization via SSIM-Guided Disentanglement [0.0]
3次元T1強調脳MRIのための画像ベース調和フレームワークを提案する。
このモデルは、生物学的に意味のある特徴を保存するために、構造的類似度指数(SSIM)に基づく識別可能な損失を組み込む。
視覚的比較,ボクセル強度分布,SSIMに基づく測定により,高調波画像が取得設定間で強い整合性を示した。
論文 参考訳（メタデータ） (2025-10-24T23:19:02Z) - PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。
本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。
これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。
Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
論文 参考訳（メタデータ） (2025-09-29T14:36:45Z) - Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。
UIA検出では偽陽性率は0.21で感度は0.80であった。
論文 参考訳（メタデータ） (2023-08-06T03:28:08Z)
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。