論文の概要: Evidence-Based Text-Conditioned 3D CT Synthesis for Ovarian Cancer
- arxiv url: http://arxiv.org/abs/2606.28980v1
- Date: Sat, 27 Jun 2026 15:30:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.751648
- Title: Evidence-Based Text-Conditioned 3D CT Synthesis for Ovarian Cancer
- Title（参考訳）: Evidence-based text-conditioned 3D CT synthesis for 卵巣癌
- Abstract要約: 卵巣癌はしばしば進行期と診断され,術前造影CT(Content-enhanced Computed Tomography)がステージングと手術計画の中心となる。
テキストコンディショニングによる3次元CT合成は有望であるが,既存のパイプラインはペアドラジオグラフィーの報告に依存し,胸部CTでのみ評価されている。
我々は,CT画像記述子と定期的な臨床メタデータから直接,標準化されたファインディングと印象セクションを構築するフレームワークであるOvESynを提案する。
- 参考スコア（独自算出の注目度）: 9.862634656196759
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ovarian cancer is frequently diagnosed at an advanced stage, making preoperative contrast-enhanced computed tomography (CT) central to staging and surgical planning; yet the scarcity of annotated imaging data, compounded by privacy regulations, limits the development of generalizable computational models in this domain. Text-conditioned 3D CT synthesis has shown promise, but existing pipelines depend on paired radiology reports and have been evaluated only on chest CT. We propose OvESyn (Ovarian Evidence-based Synthesis), a framework that constructs standardized Findings and Impression sections directly from CT-derived imaging descriptors and routine clinical metadata, without any original radiology report, and uses them to condition a latent diffusion model adapted to 493 high-grade serous ovarian carcinoma patients. This is the first text-conditioned 3D CT synthesis framework adapted to an abdomino-pelvic oncologic setting. A systematic ablation over two adaptation axes, vision-language encoder alignment and generator fine-tuning, identifies generator domain adaptation as the operative mechanism for crossing the domain gap and establishing the target anatomy: without it, synthesis remains anchored to the thoracic pretraining domain, with Precision and Recall collapsing to zero and FID2.5D exceeding 140, regardless of encoder alignment. Encoder alignment instead refines intensity and fine detail. The full OvESyn attains the best distributional and intensity fidelity (FID2.5D 29.35, Precision 0.671, Wasserstein-1 0.044), while the generator-only variant maximizes coverage (Recall 0.645), reflecting a fidelity/coverage trade-off governed by encoder adaptation. Requiring only automatic segmentations and routine preoperative metadata, OvESyn supports transferability to report-scarce settings and provides a foundation for synthetic cohort generation in abdomino-pelvic oncologic imaging.
- Abstract（参考訳）: 卵巣癌はしばしば進行期と診断され,術前造影CTがステージングや外科的計画の中心となるが,プライバシ規則によって合成された注釈画像データの不足により,この領域における一般化可能な計算モデルの開発が制限される。
テキストコンディショニングによる3次元CT合成は有望であるが,既存のパイプラインはペアドラジオグラフィーの報告に依存し,胸部CTでのみ評価されている。
OvESyn (Ovarian Evidence-based Synthesis, OvESyn) は,CT画像記述装置から直接の標準化された発見と印象セクションを構築するフレームワークであり,それを用いて,493人の高悪性度卵巣癌患者に適応した潜時拡散モデルを構築する。
Abdomino-pelvic oncological setに適合した3DCT合成フレームワークとしてはこれが初めてである。
2つの適応軸に対する系統的アブレーションである視覚言語エンコーダアライメントとジェネレータの微調整は、ジェネレータドメインアライメントをドメインギャップを渡り、標的解剖を確立するための操作機構として特定し、それ無しでは、合成は胸椎前訓練ドメインに固定され、精度とリコールはエンコーダアライメントに関係なく140以上になる。
エンコーダのアライメントは、代わりに強度と細部を洗練させる。
完全なOvESynは最適な分布と強度の忠実度(FID2.5D 29.35, Precision 0.671, Wasserstein-1 0.044)を達成し、ジェネレータのみの変種はカバー範囲を最大化(Recall 0.645)し、エンコーダ適応によって制御される忠実さ/被覆トレードオフを反映している。
自動セグメンテーションと定期的な術前メタデータのみを必要とするOvESynは、レポートスカース設定への転送性をサポートし、腹部骨盤画像における合成コホート生成の基礎を提供する。
関連論文リスト
- ViT3Flow: A Test-Time Training Transformer MeanFlow for Postoperative Radiograph Synthesis in Scoliosis [24.805863115698475]
われわれは,この問題を術後硬化性X線写真合成として定式化し,この課題のための最初のペアデータセットであるScoliSurgを構築した。
効率的な術後X線合成のための単一NFE条件付きMeanFlowフレームワークであるViT$3$Flowを提案する。
論文 参考訳（メタデータ） (2026-09-04T12:14:33Z) - B-MIM: Biased Masked Image Modeling for Generalizable Segmentation of Fine-Grained Anatomical Structures [42.844780603412325]
自己監督型プレトレーニングは、医療画像の転送可能な表現を可能にする。
ほとんどのCTエンコーダは、いまだに粗い意味理解に偏っている。
グローバルなセマンティックアライメントを低減するために、バイアスドマスク画像モデリングを導入する。
論文 参考訳（メタデータ） (2026-08-25T10:20:05Z) - Metadata-Aware Adaptation of a Generative Foundation Model for Conditional CMR Synthesis [1.5538501783439032]
合成画像生成は、医療画像におけるデータ不足と臨床的に重要な表現型の不足に対処するための有望な戦略である。
本研究では, メタデータ条件付心磁気共鳴(CMR)合成について, 事前学習型潜在モデルを用いて検討する。
本フレームワークは,英国バイオバンクの59,058個の短軸CMRに対して,ペア画像類似度,分布忠実度,サブグループレベル解析を用いて微調整および評価を行った。
論文 参考訳（メタデータ） (2026-08-25T10:03:46Z) - Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。
3つの主要なコンポーネントを特徴とするフレームワークを提案する。
診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
論文 参考訳（メタデータ） (2026-06-24T08:24:45Z) - 3D Ultrasound-Derived Pseudo-CT Synthesis Using a Transformer-Augmented Residual Network for Real-Time Operator Guidance [0.0]
超音波(US)は非イオン化であり、広くアクセス可能であるが、操作性が高く、定量的な組織特性が欠如している。
本研究は,USから推定されるCTのような解剖学的基準量を生成する3D超音波による擬似CTフレームワークを提案する。
提案手法は, 構造的忠実度と知覚的画像品質において, 確立されたベースラインより優れる。
論文 参考訳（メタデータ） (2026-05-06T12:52:59Z) - 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) - Beyond the Embedding Bottleneck: Adaptive Retrieval-Augmented 3D CT Report Generation [10.885951167009694]
3D CTは鑑別病理信号をエンコードするが, 重度濃度は高い。
この視覚的ボトルネックを補う適応的な拡張フレームワークである textbfAdaRAG-CT を提案する。
AdaRAG-CTは最先端の臨床効果を達成し、臨床F1を0.420(CT-Agent)から0.480(+6ポイント)に改善する
論文 参考訳（メタデータ） (2026-03-16T18:56:14Z) - A WDLoRA-Based Multimodal Generative Framework for Clinically Guided Corneal Confocal Microscopy Image Synthesis in Diabetic Neuropathy [8.701084151107652]
糖尿病性末梢神経障害(DPN)における角膜共焦点顕微鏡による小線維損傷の評価
強靭で自動的なディープラーニングに基づく診断モデルの開発は、角膜神経形態学におけるラベル付きデータの不足ときめ細かい変化によって制限される。
臨床誘導CCM画像合成のためのWDLoRAに基づくマルチモーダル生成フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-14T09:32:44Z) - EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT [43.92108185590778]
画像誘導放射線療法(IGRT)に広く用いられているコーンビームCT(CBCT)
CBCTから高品質なCT画像を生成するために,EqDiff-CTという新しい拡散型条件生成モデルを提案する。
論文 参考訳（メタデータ） (2025-09-26T05:51:59Z) - Radiology Report Conditional 3D CT Generation with Multi Encoder Latent diffusion Model [0.830525411228399]
Report2CTは3次元胸部CTボリュームを自由テキストラジオグラフィーレポートから直接合成するための条件拡散フレームワークである。
Report2CTは、優れた視覚的品質とテキスト画像アライメントを備えた解剖学的に一貫したCTボリュームを生成する。
論文 参考訳（メタデータ） (2025-09-18T09:32:23Z) - Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - CIS-UNet: Multi-Class Segmentation of the Aorta in Computed Tomography
Angiography via Context-Aware Shifted Window Self-Attention [10.335899694123711]
大動脈セグメンテーションのためのディープラーニングモデルであるContext Infused Swin-UNet(CIS-UNet)を紹介する。
CIS-UNetは、CNNエンコーダ、対称デコーダ、スキップ接続、新しいコンテキスト対応シフトウィンドウ自己認識(CSW-SA)をボトルネックブロックとする階層型エンコーダデコーダ構造を採用している。
CIS-UNetは,従来のSwinUNetRセグメンテーションモデルよりも優れた平均Dice係数0.713を達成し,コンピュータ断層撮影(CT)の訓練を行った。
論文 参考訳（メタデータ） (2024-01-23T19:17:20Z)
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。