Fugu-MT 論文翻訳(概要): Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis

論文の概要: Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis

arxiv url: http://arxiv.org/abs/2606.26764v1
Date: Thu, 25 Jun 2026 08:48:45 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-26 18:46:32.220674
Title: Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis
Title（参考訳）: 制御可能な4次元心臓MRI合成のための解剖誘導残留運動拡散法
Abstract要約: 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。
参考スコア（独自算出の注目度）: 15.392128655814451
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Developing robust artificial intelligence models for 4D (3D + time) medical imaging is constrained by limited annotated data, inter-device domain shifts, and privacy restrictions. To address this, we propose a 4D controllable generative framework for anatomically consistent data augmentation. A semi-supervised variational autoencoder learns a compact latent representation of anatomical volumes while jointly predicting aligned segmentation masks in a unified framework. Anatomical structure is then disentangled from temporal dynamics through a cascaded latent diffusion model (LDM). A static LDM generates subject-specific anatomy conditioned on clinical priors (diagnosis and volumes measures) and a subsequent motion LDM estimates residual latent motions, ensuring strict temporal coherence across the 4D sequence. The proposed approach was evaluated on cine cardiac MRI as a representative 4D imaging application. Experiments across multiple datasets demonstrate high controllability of static anatomy (Pearson r > 0.8) and strong temporal coherence (FVD = 288.08). In cross-vendor generalization experiments, augmenting training sets with synthetic 4D sequences significantly improves downstream segmentation performance. Using nnU-Net, the proposed augmentation strategy improves the average Dice score by 1.4% and reduces the Hausdorff Distance by 3.0mm compared to training on real data alone, for the left ventricle, Dice improves by 2.8% with a 5.4mm reduction in boundary error. Overall, this framework provides a scalable and controllable solution for 4D medical image synthesis, supporting the development of more robust models with limited annotations and cross-vendor variability. Code available on https://github.com/cyiheng/4DCardiacMRISynthesis.
Abstract（参考訳）: 4D(3D + Time)医療画像のための堅牢な人工知能モデルの開発は、注釈付きデータ、デバイス間ドメインシフト、プライバシー制限によって制限されている。そこで本研究では,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、統一されたフレームワークで整列されたセグメンテーションマスクを共同予測しながら、解剖学的ボリュームのコンパクトな潜時表現を学習する。解剖学的構造は、カスケード潜在拡散モデル(LDM)を介して時間力学から切り離される。静的LCMは、臨床前兆(診断とボリューム測定)に基づいて被験者固有の解剖を発生させ、その後の動きLCMは残留潜時運動を推定し、4Dシークエンスにわたって厳密な時間的コヒーレンスを確保する。提案手法は,シネ心筋MRIを代表的4Dイメージングの応用として評価した。複数のデータセットにわたる実験は、静的解剖学(ピアソン r > 0.8)と強い時間的コヒーレンス(FVD = 288.08)の高い制御性を示す。クロスベンダ一般化実験では、合成4Dシーケンスによるトレーニングセットの強化により、下流セグメンテーション性能が大幅に向上する。 nnU-Netを用いて、提案した拡張戦略は平均Diceスコアを1.4%改善し、実際のデータ単独でのトレーニングと比較してハウスドルフ距離を3.0mm削減する。全体として、このフレームワークは4次元の医用画像合成のためのスケーラブルで制御可能なソリューションを提供し、アノテーションとクロスベンダの可変性に制限のあるより堅牢なモデルの開発をサポートする。 https://github.com/cyiheng/4DCardiacMRISynthesis.comで公開されている。

関連論文リスト

Anatomically-conditioned Latent Diffusion Model for Data-Efficient Few-Shot Cross-Domain 3D Glioma MRI Synthesis [1.4312099612976772]
解剖学的条件付き潜在拡散モデル(ALDM)は,データ効率,少数ショットMRI合成のための新しいフレームワークである。ターゲット画像は16枚しかなく、極端に数発の撮影で評価された。
論文参考訳（メタデータ） (2026-06-24T04:42:42Z)
WaveDiT: Distribution-Aware Wavelet Flow Matching for Efficient 3D Brain MRI Synthesis [7.371811584771131]
大規模な階層的バランスの取れたデータセットは、信頼できる神経画像バイオマーカーに不可欠である。 WaveDiTは、3次元ハール離散ウェーブレット変換の係数空間で動作する条件付きフローマッチングフレームワークである。単一の現代的なGPU上で、実用的およびメモリ時間の制約の下で、フル解像度の3D合成をサポートする。
論文参考訳（メタデータ） (2026-06-07T15:21:02Z)
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)
Echo4DIR: 4D Implicit Heart Reconstruction from 2D Echocardiography Videos [35.992365807108584]
本研究では,新しいテスト時間4D暗黙的再構成フレームワークであるEcho4DIRを提案する。我々は,心臓条件付きSDFを用いて,統計的形状モデル(SSM)から頑健な3次元形状を学習する。我々は、Echo4DIRが最先端の4D心筋メッシュ再構築を実現していることを示し、特に98.35%のDiceと96.75%のIoUの臨床的重複が顕著である。
論文参考訳（メタデータ） (2026-05-21T07:01:23Z)
CardioDiT: Latent Diffusion Transformers for 4D Cardiac MRI Synthesis [30.824485997130925]
CardioDiTは、拡散トランスを用いた短軸シネCMR合成のための完全な4次元潜伏拡散フレームワークである。時間的VQ-Eは2D+VAtスライスをコンパクトなラテントに符号化し、拡散変圧器は完全な3D+tボリュームとして一緒にモデル化する。その結果,スライス間の整合性,時間的コヒーレントな運動,解剖学的文脈,心機能分布が改善した。
論文参考訳（メタデータ） (2026-03-26T08:59:07Z)
MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models [59.180043227905294]
MedPrunerは、3次元医用画像の効率的な理解のためのトレーニング不要でモデルに依存しない階層的トークンプレーニングフレームワークである。我々は、MedPrunerによって、MedGemmaのようなモデルが元の性能を維持したり、超えたりすることが可能であり、ビジュアルトークンの5%以下を維持していることを示す。
論文参考訳（メタデータ） (2026-03-12T07:37:00Z)
Orthogonal Spatial-temporal Distributional Transfer for 4D Generation [58.30004328671699]
既存の3次元拡散モデルと時間的拡散モデルから豊かな空間的先行を転送し、4次元合成を強化するフレームワークを提案する。空間・時間差4D(STD-4D)拡散モデルを構築し,空間・時間差による4D映像を合成する。実験の結果,提案手法は従来の手法よりも優れ,空間的時間的整合性と高品質な4D合成を実現していることがわかった。
論文参考訳（メタデータ） (2026-03-05T11:52:21Z)
X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [64.2059940799033]
現在の方法では、時間分解能を呼吸ゲーティング装置で固定相に識別する。新規なフレームワークであるX$2$-Gaussianは、動的放射スプラッティングと自己監督型呼吸運動学習を統合することで、連続的な4DCT再構成を可能にする。
論文参考訳（メタデータ） (2025-03-27T17:59:57Z)
4DRGS: 4D Radiative Gaussian Splatting for Efficient 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images [49.170407434313475]
既存の手法は、しばしば最適以下の結果を生成するか、過剰な計算時間を必要とする。高品質な高精細化を実現するため、4次元ガウススプラッティング(4DRGS)を提案する。 4DRGSは5分間のトレーニングで印象的な結果を得る。
論文参考訳（メタデータ） (2024-12-17T13:51:56Z)
Coarse-Super-Resolution-Fine Network (CoSF-Net): A Unified End-to-End Neural Network for 4D-MRI with Simultaneous Motion Estimation and Super-Resolution [21.75329634476446]
我々は,高分解能ネットワーク(CoSF-Net)と呼ばれる新しいディープラーニングフレームワークを開発した。既存のネットワークと最先端の3つのアルゴリズムと比較して、CoSF-Netは4D-MRIの呼吸相間の変形可能なベクトル場を正確に推定するだけでなく、解剖学的特徴を増強した4D-MRIの空間分解能も同時に改善した。
論文参考訳（メタデータ） (2022-11-21T01:42:51Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。