Fugu-MT 論文翻訳(概要): Self-Auditing Residual Drifting for Pathology-Preserving Accelerated Knee MRI

論文の概要: Self-Auditing Residual Drifting for Pathology-Preserving Accelerated Knee MRI

arxiv url: http://arxiv.org/abs/2607.02428v1
Date: Thu, 02 Jul 2026 16:59:03 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-03 19:45:08.936834
Title: Self-Auditing Residual Drifting for Pathology-Preserving Accelerated Knee MRI
Title（参考訳）: 特発性膝関節症に対する自聴的残存ドリフト法の検討
Abstract要約: SA-RDM-DCは、加速膝MRIのためのデータ一貫性を持つ自己監査残差生成ドリフトモデルである。画像とk空間の残差補正を予測し、取得したk空間とのデータの整合性を強制し、周波数認識と残留ドリフト監視を使用して詳細を復元する。密度の高いエラーマップとスライスレベルのリスクスコアを同一の推論パスで生成する。
参考スコア（独自算出の注目度）: 5.844079330191764
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accelerated magnetic resonance imaging reduces acquisition time, but reconstruction from undersampled k-space can blur diagnostically relevant structures or introduce failures that are not captured by global image metrics. We propose SA-RDM-DC, a Self-Auditing Residual generative Drifting Model with Data Consistency for accelerated knee MRI. The method adapts the newly proposed generative drifting paradigm to accelerated MRI by training a physics-conditioned drift field from the zero-filled reconstruction toward the fully sampled residual correction. It predicts image- and missing-k-space residual corrections, enforces data consistency with acquired k-space, uses frequency-aware and residual drifting supervision to recover fine detail, and produces dense error maps and slice-level risk scores in the same inference pass. We evaluate SA-RDM-DC on multi-coil fastMRI knee data at acceleration factors of 4, 8, and 12, with fastMRI+ pathology annotations for region-level and classifier-based task preservation, and on SKM-TEA for zero-shot and fine-tuned protocol-shift evaluation. Compared with zero-filled reconstruction, UNet-image-SENSE, DC-UNet, Score-Diffusion, ELF-Diff, SENSE-VarNet, and MoDL baselines, SA-RDM-DC achieves the highest SSIM across fastMRI acceleration factors while retaining subsecond per-slice inference and avoiding the long sampling time of iterative diffusion baselines. In pathology-aware analysis, SA-RDM-DC preserves lesion-region structural fidelity and reduces meniscus prediction instability. Its self-auditing scores strongly identify high-error reconstructions on fastMRI and partially transfer as a selective-review signal under SKM-TEA protocol shift. These results support reconstruction evaluation that jointly considers image fidelity, pathology preservation, runtime, and case-specific reliability.
Abstract（参考訳）: 加速磁気共鳴イメージングは、取得時間を短縮するが、アンサンプされたk空間からの再構成は、診断に関係のある構造を曖昧にしたり、グローバルな画像メトリクスによって捉えられていない欠陥を導入することができる。本稿では, 高速膝MRIのためのデータ一貫性を有する自己聴取残差生成ドリフトモデルであるSA-RDM-DCを提案する。本手法は,ゼロフィルド再構成から完全サンプリング残差補正へ物理条件ドリフト場をトレーニングすることにより,新たに提案した生成ドリフトパラダイムを加速MRIに適用する。画像とk空間の残差補正を予測し、取得したk空間とのデータの一貫性を強制し、周波数認識と残留ドリフト監視を使用して詳細を再現し、同一の推論パスで密度の高いエラーマップとスライスレベルのリスクスコアを生成する。我々は,4,8,12の加速度因子を用いた複数コイル型高速MRI膝データに対するSA-RDM-DCと,領域レベルおよび分類器ベースのタスク保存のための高速MRI+診断アノテーション,およびゼロショットおよび微調整プロトコルシフト評価のためのSKM-TEAについて評価した。 UNet-image-SENSE、DC-UNet、Score-Diffusion、ELF-Diff、SENSE-VarNet、MoDLベースラインと比較して、SA-RDM-DCは、スライス毎のサブ秒の推論を維持しながら、反復拡散ベースラインの長いサンプリング時間を回避するとともに、高速MRIアクセラレーションファクターで最高のSSIMを達成する。病理組織学的解析では,SA-RDM-DCは病変領域の構造的忠実度を保ち,メニスカス予測不安定性を低下させる。自己監査スコアは、高速MRI上のハイエラー再構成を強く識別し、SKM-TEAプロトコルシフトの下で選択レビュー信号として部分的に転送する。これらの結果は,画像の忠実度,病理保存,ランタイム,ケース固有の信頼性を共同で検討する再構成評価を支援する。

関連論文リスト

Variational Network with Wavelet-based UNET in Accelerated MRI Reconstruction from Under Sampled K-space Data [1.503974529275767]
本稿では,ウェーブレットベースU-Net(W-UNet)を用いたMRIの高速化のための変分ネットワークを提案する。このフレームワークは、物理誘導的反復再構成と学習可能なマルチスケールの周波数表現を組み合わせたものである。 fastMRI膝とM4脳データセットの実験は、最先端のパフォーマンスを示している。
論文参考訳（メタデータ） (2026-06-13T07:34:28Z)
A physics-informed foundation model for quantitative diffusion MRI [46.74037857287099]
物理インフォームド・ジェネレーティブ・マイクロ構造ネットワーク(PIGMENT)は、人間の脳の微細構造に先立って普遍的な生成を学習し、被験者の計測データにゼロショットで適応し、被験者固有のマップを復元する。 PIGMENT は,10倍加速スキャンによる小脳皮質微細構造パターンと幼少期の白質発達軌跡を保存し,強い生物学的妥当性を示した。これらの結果は、PIGMENTを物理インフォームド基礎モデルとして確立し、定量的拡散MRIを、伝統的に不安定で不均一、あるいは信頼性のある分析に制約された状態に拡張する。
論文参考訳（メタデータ） (2026-05-29T07:26:35Z)
Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
MRI再建は本質的に不完全な逆問題である。この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
論文参考訳（メタデータ） (2026-05-19T04:40:50Z)
Revisiting Global Token Mixing in Task-Dependent MRI Restoration: Insights from Minimal Gated CNN Baselines [43.505945728449774]
グローバルトークンミキシングはMRIの復元において一般的なモデル設計の選択肢となっている。グローバルトークンミキシングは,各タスクにおいて,3つの代表的な設定で実際に有用かどうかを問う。 MRIの再生を高速化するために、最小限のアンロールゲート-CNNベースラインは、すでに非常に競争力がある。制御された低パス劣化により、低周波k空間データがほとんど保存されている超解像の場合、局所ゲートモデルは競争力を維持する。空間的ヘテロセダスティックノイズを発音する場合には,トークン混合モデルが最も高い総合的な性能が得られる。
論文参考訳（メタデータ） (2026-03-02T04:57:52Z)
Pixelwise Uncertainty Quantification of Accelerated MRI Reconstruction [0.06293060987473524]
臨床では、アンダーサンプル再建の診断品質を自動評価するメカニズムが存在しないため、保守的なアクセラレーション因子が選択される。本研究は、並列MRI再構成における画素単位の不確実性定量化のための一般的な枠組みを導入する。本手法はコンフォメーション量子レグレッションと画像再構成法を統合し,統計的に厳密な画素単位の不確かさ区間を推定する。
論文参考訳（メタデータ） (2026-01-19T17:12:28Z)
MRI super-resolution reconstruction using efficient diffusion probabilistic model with residual shifting [3.9576638237437183]
本研究では, 重要な解剖学的詳細を保存しながら, サンプリング工程を大幅に短縮する残差シフト機構を提案する。本稿では,残差シフトを前方拡散プロセスに統合するRes-SRDiffという新しい拡散型SRフレームワークを提案する。
論文参考訳（メタデータ） (2025-03-03T14:15:08Z)
ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
論文参考訳（メタデータ） (2025-01-08T05:15:43Z)
Self-Supervised MRI Reconstruction with Unrolled Diffusion Models [27.143473617162304]
自己監督型拡散再構成モデル(SSDiffRecon)を提案する。 SSDiffReconは、物理駆動処理のためのデータ一貫性ブロックと逆拡散ステップのためのクロスアテンショントランスフォーマーをインターリーブする条件拡散プロセスを表現する。公開脳MRデータセットを用いた実験は、SSDiffReconの再構築速度と品質の点で、最先端の教師付きベースラインと自己教師付きベースラインに対する優位性を示す。
論文参考訳（メタデータ） (2023-06-29T03:31:46Z)
A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文参考訳（メタデータ） (2022-03-28T14:03:45Z)
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
DiffuseReconは拡散モデルに基づく新しいMR再構成法である。観測された信号に基づいて生成過程を導出する。特定の加速因子に関する追加の訓練は必要としない。
論文参考訳（メタデータ） (2022-03-08T02:25:38Z)
Assessment of Data Consistency through Cascades of Independently Recurrent Inference Machines for fast and robust accelerated MRI reconstruction [0.0]
データ一貫性(DC)は多モードデータの一般化と病理診断における堅牢性に不可欠である。本研究は、非ループ最適化によりDCを評価するために、CIRIM (Independently Recurrent Inference Machines) のカスケードを提案する。 E2EVNは直流を明示的に定式化する必要があるのに対し、直流を暗黙的に強制する場合はCIRIMが最善であることを示す。
論文参考訳（メタデータ） (2021-11-30T15:34:30Z)

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。