論文の概要: ReMAP-PET: Beyond Visual Understanding -- Learning Region-Guided Metabolic Alignment Semantics from Brain PET

• arxiv url: http://arxiv.org/abs/2606.29577v1
• Date: Sun, 28 Jun 2026 19:43:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.974482
• Title: ReMAP-PET: Beyond Visual Understanding -- Learning Region-Guided Metabolic Alignment Semantics from Brain PET
• Title（参考訳）: ReMAP-PET: 視覚的理解を超えて -- 脳PETから領域誘導代謝アライメントセマンティクスを学ぶ
• Authors: Dasen Dai, Yanteng Zhang, Shuoqi Li, Yuxiang Wei, Hongjie Yu, Qingxin Zhang, Qizhen Lan, Jagath C. Rajapakse, Vince D. Calhoun,
• Abstract要約: 本稿では,PETを構造化,解釈,言語互換表現として扱うためのReMAP-PETを提案する。 その結果,PETエンコーダを局所的なメタボリックセマンティクスに固定することで,構造化,解釈,言語互換の表現が得られることがわかった。
• 参考スコア（独自算出の注目度）: 20.566933407659093
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Positron Emission Tomography (PET) reveals brain metabolism and is clinically central to neurodegenerative disease assessment, yet existing 3D brain foundation models treat PET as generic volumetric data, missing the structured regional metabolic information that distinguishes it from structural neuroimaging. To address these limitations, we propose ReMAP-PET, a framework that moves beyond visual encoding by supervising a partially-tuned MedicalNet 3D ResNet-50 with brain regional standardized uptake value ratio (SUVR) profiles through joint regression and contrastive objectives, enabling the encoder to learn the metabolic semantics underlying PET modality. On 1015 paired PET--SUVR samples, ReMAP-PET achieves 0.070 SUVR MAE and 77.8% PET SUVR Recall@1, substantially outperforming five frozen pretrained baselines. We further connect the metabolic embedding to clinical language via contrastive alignment with frozen BioClinicalBERT and demonstrate end-to-end PET-to-report generation through SUVR-constrained verbalization. Linear probing on diagnostic classification and cognitive regression tasks confirms that the embeddings retain clinically relevant information without task-specific fine-tuning. Our results show that grounding PET encoders in regional metabolic semantics -- rather than treating PET as generic volumetric data -- yields representations that are structured, interpretable, and language-compatible, pointing to a new direction for metabolic-aware PET understanding.
• Abstract（参考訳）: ポジトロン・エミッション・トモグラフィー(PET)は脳の代謝を明らかにし、神経変性疾患評価の臨床的中心であるが、既存の3D脳基盤モデルはPETを一般的な体積データとして扱い、構造的ニューロイメージングと区別する局所代謝情報を欠いている。 これらの制約に対処するため,部分調整型MedicalNet 3D ResNet-50の脳領域標準取り込み値比(SUVR)プロファイルを共同回帰とコントラスト目的を通じて監視することにより,視覚的エンコーディングを超越したフレームワークであるReMAP-PETを提案する。 1015対のPET-SUVRサンプルでは、ReMAP-PETは0.070のSUVR MAEと77.8%のPET SUVR Recall@1を達成し、凍結した5つのベースラインを実質的に上回っている。 さらに,凍結したBioClinicalBERTと対比してメタボリック埋め込みを臨床言語に接続し,SUVR制約による終末PET-to-report生成を示す。 診断分類と認知的回帰タスクの線形探索は、埋め込みがタスク固有の微調整なしで臨床的に関係のある情報を保持していることを確認する。 その結果,PETエンコーダの局所的メタボリックセマンティクスへの基盤化は,PETを汎用的な容積データとして扱うのではなく,構造的,解釈可能,言語に適合した表現が得られ,メタボリックを意識したPET理解の新たな方向性が示唆された。

関連論文リスト

• The autoPET3 Challenge: Automated Lesion Segmentation in Whole-Body PET/CT $\unicode{x2013}$ Multitracer Multicenter Generalization [67.92281859568168]
  第3回オートPETチャレンジ(MICCAI 2024)の設計と成果を報告する。 全身PET/CTにおける自動病変分割を, 構成的一般化条件下でベンチマークした。 トップランクのアルゴリズムは平均DSCが0.66、FNVが3.18mL、FPVが2.78mLである。
  論文  参考訳（メタデータ） (2026-05-07T07:07:09Z)
• MlPET: A Localized Neural Network Approach for Probabilistic Post-Reconstruction PET Image Analysis Using Informed Priors [0.0]
  確率的PET画像解析のための高速局所機械学習手法であるMlPETを開発し評価する。 MlPETは、マルコフ連鎖モンテカルロサンプリングを、小さな画像近傍から平均ボクセル活性を推定するために訓練された局所ニューラルネットワークに置き換える。 NEMA IECファントムデータを用いたPETシステムの性能評価を行った。
  論文  参考訳（メタデータ） (2026-01-25T22:41:50Z)
• Unveiling and Bridging the Functional Perception Gap in MLLMs: Atomic Visual Alignment and Hierarchical Evaluation via PET-Bench [48.60251555171943]
  MLLM(Multimodal Large Language Models)は、異常検出や解剖学的モダリティのレポート生成などのタスクにおいて、顕著な熟練性を示した。 本研究では, 機能的トレーサの生体分布を, 形態的先行性とは無関係に復号化できない現状の視覚エンコーダについて, 基本的な機能的知覚ギャップを定量化する。 PET-Benchは52,308個の階層型QAペアからなるPET-Benchの最初の大規模機能評価ベンチマークである。 AVAは認知ギャップを効果的に橋渡しし、CoTを幻覚源から頑健な推論ツールに変換し、診断を改善していることを示す。
  論文  参考訳（メタデータ） (2026-01-06T05:58:50Z)
• Vision-Language Models for Automated 3D PET/CT Report Generation [13.781844347232079]
  自己PET/CTレポート生成は, 臨床負荷軽減にますます重要である。 PETRG-3Dは、PETとCTのボリュームをエンコードし、スタイル適応プロンプトを組み込んだエンドツーエンドの3Dデュアルブランチフレームワークである。 PETRG-Score(PETRG-Score)は、悪性リンパ腫に特異的な評価プロトコルである。
  論文  参考訳（メタデータ） (2025-11-25T10:07:57Z)
• TauGenNet: Plasma-Driven Tau PET Image Synthesis via Text-Guided 3D Diffusion Models [6.674230585698143]
  構造MRIとプラズマ計測の両方から多モード条件を利用する3次元タウPET画像合成のためのテキスト誘導3次元拡散モデルを提案する。 臨床的に意義のある3DタウPETを, 様々な病期にわたって生成できることが実験的に証明された。
  論文  参考訳（メタデータ） (2025-09-04T14:45:50Z)
• Supervised Diffusion-Model-Based PET Image Reconstruction [44.89560992517543]
  PET画像再構成の前兆として拡散モデル (DM) が導入された。 PET再構成のための教師付きDMベースアルゴリズムを提案する。 本手法はPETのポアソン確率モデルの非負性性を強制し,PET画像の広い範囲に適応する。
  論文  参考訳（メタデータ） (2025-06-30T16:39:50Z)
• Towards AI Lesion Tracking in PET/CT Imaging: A Siamese-based CNN Pipeline applied on PSMA PET/CT Scans [2.3432822395081807]
  本研究はPET/CTスキャン間の病変追跡のためのSamese CNNアプローチを導入する。 本アルゴリズムは適切な病変のパッチを抽出し,対応する病変または非対応病変として病変のパッチペアを分類する訓練を施したシームズCNNに転送する。 異なる入力パッチタイプと2Dおよび3DのSiameseネットワークで実験が行われた。
  論文  参考訳（メタデータ） (2024-06-13T17:06:15Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)
• A Unified Continual Learning Framework with General Parameter-Efficient Tuning [56.250772378174446]
  「事前学習$rightarrow$ダウンストリーム適応」は、継続学習の新しい機会と課題を提示する。 我々は,PETの1つのインスタンス化としてプロンプトを位置づけ,ラーニング・アキュミュレーション・アンサンブル(LAE)と呼ばれる統一的なCLフレームワークを提案する。 PET(Adapter、LoRA、Prefixなど)は、トレーニング済みのモデルをより少ないパラメータとリソースで下流のタスクに適応させることができる。
  論文  参考訳（メタデータ） (2023-03-17T15:52:45Z)
• Synthetic PET via Domain Translation of 3D MRI [1.0052333944678682]
  56ドルのF-FDG-PET/MRI検査データセットを用いて3D残像UNetをトレーニングし,全身T1強調MRIによる生理的PET取り込みを予測する。 予測されたPET画像は前方に投影され、ベンダーが提供するPET再構成アルゴリズムで使用できる合成PETタイム・オブ・フライ・シングラムを生成する。
  論文  参考訳（メタデータ） (2022-06-11T21:32:40Z)

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。