論文の概要: TensorLDM: A Component-Wise Latent Diffusion Model for Volumetric DTI Reconstruction from Sparse DWIs

• arxiv url: http://arxiv.org/abs/2606.25545v1
• Date: Wed, 24 Jun 2026 08:24:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.276635
• Title: TensorLDM: A Component-Wise Latent Diffusion Model for Volumetric DTI Reconstruction from Sparse DWIs
• Title（参考訳）: TensorLDM:スパースDWIからのボリュームDTI再構成のためのコンポーネントワイズ遅延拡散モデル
• Abstract要約: DWIからの拡散テンソルの再構成は, 臨床現場での拡散イメージング(DTI)の促進に重要である。 本稿では,6つのテンソル成分を2つのグループ固有エンコーダで処理するコンポーネントワイド潜時拡散モデルを提案する。
• 参考スコア（独自算出の注目度）: 2.4827516038838064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing diffusion tensors from sparse DWIs is critical for accelerating Diffusion Tensor Imaging (DTI) in clinical settings, yet current deep learning approaches frequently yield anatomically inconsistent or physically implausible tensors. We introduce TensorLDM, a component-wise latent diffusion model that processes the six tensor components through two group-specific encoders (for diagonal and off-diagonal elements) while maintaining anatomical consistency via shared DWI conditioning. TensorLDM uses an Anatomy-Conditioned Autoencoder that encourages the latent to focus on tensor properties rather than re-encoding structural information. A shared Cross-Component Attention (CCA) mechanism, applied in both autoencoder refinement and diffusion fine-tuning, models inter-component dependencies, while a Mixture-of-Experts (MoE) DWI conditioner provides component-adaptive conditioning. On the Human Connectome Project (HCP) dataset under a single-shell, four-volume sparse acquisition, TensorLDM produces the most accurate downstream tractography and tensors with near-ground-truth physical validity (SPD-violation rate 1.54% vs. 1.40%), with the best or comparable voxel-wise reconstruction accuracy. Geodesic tensor error measured by the Log-Euclidean Metric (LEM) corroborates these gains.
• Abstract（参考訳）: スパースDWIから拡散テンソルを再構成することはDTI(Diffusion Tensor Imaging)を臨床環境で加速させるのに重要であるが、現在のディープラーニングアプローチでは解剖学的に矛盾する、または物理的に不確実なテンソルがしばしば得られる。 本研究では、6つのテンソル成分を2つのグループ固有エンコーダ(対角および対角要素)を介して処理し、共有DWI条件による解剖学的整合性を維持するコンポーネントワイド潜在拡散モデルTensorLDMを紹介する。 TensorLDMは、構造情報を再エンコードするのではなく、潜伏者がテンソルプロパティにフォーカスすることを奨励する解剖学的定義オートエンコーダを使用する。 共用クロスコンポーネント注意(CCA)機構は、オートエンコーダの精細化と拡散微調整の両方に適用され、コンポーネント間の依存関係をモデル化する一方、Mixture-of-Experts (MoE) DWIコンディショナーはコンポーネント適応型コンディショニングを提供する。 HCP(Human Connectome Project)データセットでは、単一シェルで4巻のスパース取得に基づいて、最も正確な下流のトラクタと、最も正確な地上の物理的妥当性(SPD-violation rate 1.54% vs. 1.40%)を持つテンソルを生成する。 Log-Euclidean Metric (LEM) によって測定された測地テンソル誤差は、これらの利得を裏付ける。

関連論文リスト

• Predicting Collision Cross Sections with GRACE: Geometric Residual Adduct Conditioning via Early-fusion [0.36141160033590963]
  初期核融合による幾何的残留付加条件を用いた事前訓練された分子幾何エンコーダを適応する3次元CCS予測器GRACEを提案する。 9000以上の分子付加物CCSレコードをランダム,スキャフォールド,付加物感受性スプリットを用いて一般化したモデルの評価を行った。
  論文  参考訳（メタデータ） (2026-09-10T21:31:11Z)
• Current Injection Spiking Neural Network for Infrared and Visible Image Fusion [55.20584003351512]
  赤外線および可視画像融合(IVIF)は、2つのモードの相補的な情報をよりリッチなシーン内容の単一の画像に統合する。 膜電位レベルで直接クロスモーダル核融合を行うスパイクネットワークであるCIS-Fuseを提案する。 4つのIVIFベンチマークと下流検出とセグメンテーションの実験により、CIS-Fuseは最先端のANN法と同等の核融合品質が得られることが示された。
  論文  参考訳（メタデータ） (2026-07-22T08:10:02Z)
• Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis [15.392128655814451]
  解剖学的に一貫したデータ拡張のための4次元制御可能な生成フレームワークを提案する。 半教師付き変分オートエンコーダは、解剖学的ボリュームのコンパクトな潜在表現を学習する。 解剖学的構造は、カスケードされた潜在拡散モデルを通して時間力学から切り離される。
  論文  参考訳（メタデータ） (2026-06-25T08:48:45Z)
• Neural Operator-Based Surrogate Model for CFD:Helical Coil Steam Generator in Small Modular Reactor [0.5621251909851629]
  小型モジュール型原子炉の安全かつ効率的な運転を支援するディジタルツイン(DT)技術には,リアルタイム熱・油圧シミュレーションが不可欠である。 計算流体力学(CFD)は高忠実度フロー解析を提供するが、その計算コストはDTアプリケーションで直接の使用を妨げている。 本研究では、リダクションオーダーモデル(ROM)とニューラル演算子を組み合わせた統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-28T17:33:22Z)
• Provably Learning Diffusion Models under the Manifold Hypothesis: Collapse and Refine [60.669081685261965]
  拡散モデルは、顕著な品質で高次元データを生成する。 彼らのトレーニングがいかに効率的にスコア関数を学習するかは理論的には説明がつかないままである。 我々はこの原理をScore-induced Latent Diffusion (SiLD)として定式化する。
  論文  参考訳（メタデータ） (2026-05-16T16:51:10Z)
• PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement [60.81732730684265]
  本稿では,高忠実度仮想コントラスト拡張(VCE)のための体積拡散フレームワークPHASORを紹介する。 我々は、CTボリュームをコヒーレントシーケンスとして扱うことにより、ビデオ拡散モデルを利用して、構造的コヒーレンスとボリューム精度を向上させる。 まず, 解剖学的意味論に固有の拡張パターンを固定し, 臓器特異的なメモリを付加して, より詳細な情報を収集する。 第二に、インテンシティ・フェイズ・アウェアメント・アライメント・アライメント(IP-REPA)は、不完全な空間アライメントの影響を緩和しつつ、複雑なコントラスト信号を強調する。
  論文  参考訳（メタデータ） (2026-04-01T15:57:18Z)
• Dual-Encoder Transformer-Based Multimodal Learning for Ischemic Stroke Lesion Segmentation Using Diffusion MRI [5.332404648315838]
  ISLES 2022データセットからのマルチモーダル拡散MRIを用いて虚血性脳梗塞の分節について検討した。 U-Net、Swin-UNet、TransUNetなど、最先端の畳み込みとトランスフォーマーベースのアーキテクチャがベンチマークされている。 その結果、トランスフォーマーベースのモデルは畳み込みベースラインよりも優れており、提案したデュアルエンコーダのTransUNetは、テストセットで85.4%のDiceスコアに達した。
  論文  参考訳（メタデータ） (2025-12-23T15:24:31Z)
• A Semantic Segmentation Algorithm for Pleural Effusion Based on DBIF-AUNet [22.657295396752023]
  胸水セマンティックセグメンテーションは臨床診断と治療の精度とタイムラインを大幅に向上させる可能性がある。 既存の手法は、様々な画像のバリエーションや複雑なエッジに悩まされることが多い。 本稿では,これらの課題に対処するため,Dual-Branch Interactive Fusion Attention Model (DBIF-AUNet)を提案する。
  論文  参考訳（メタデータ） (2025-08-08T10:14:51Z)
• Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
  拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。 本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
  論文  参考訳（メタデータ） (2024-09-11T11:12:26Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
  ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。 データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。 本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
  論文  参考訳（メタデータ） (2023-12-04T01:32:42Z)

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。