論文の概要: Self-Supervised Implicit CEST Reconstruction via Physics-Informed Lorentz Encoding

• arxiv url: http://arxiv.org/abs/2607.06132v1
• Date: Tue, 07 Jul 2026 10:49:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.497098
• Title: Self-Supervised Implicit CEST Reconstruction via Physics-Informed Lorentz Encoding
• Title（参考訳）: 物理インフォームドローレンツ符号化による自己監督型暗黙CEST再構成
• Abstract要約: Lorentz (LE) は、CEST再構成を暗黙の連続座標学習による自己教師付き再構成タスクとして定式化する物理インフォームドフレームワークである。 生体内ヒト脳データを用いた実験では、LEは最先端の手法よりも著しく優れていることが示された。
• 参考スコア（独自算出の注目度）: 22.500041095230177
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-Pool Chemical Exchange Saturation Transfer (CEST) MRI provides valuable metabolic information but is clinically limited by long acquisition times. Although sparse sampling reduces scanning time, reconstructing high-resolution Z-spectra from limited data remains an ill-posed inverse problem. Conventional interpolation and generic Implicit Neural Rep-resentations (INRs) often lack physical constraints, leading to spectral artifacts and physically invalid signals. To address this, we propose Lorentz Encoding (LE), a physics-informed framework that formulates CEST reconstruction as a self-supervised reconstruction task via implicit continuous coordinate learning. Unlike generic positional encodings, LE regularizes the continuous spectral mapping by projecting sparse coordinates into a physically constrained space governed by a combination of parametric Lorentzian profiles with learnable basis functions. This mechanism effectively reduces noise and enforces consistency with physical models. Experiments on in vivo human brain data demonstrate that LE significantly outperforms state-of-the-art methods. Specifically, under a 39-point sampling strategy, LE achieves a PSNR of 57.58 dB and an SSIM of 0.9994. Furthermore, the learned physics-informed encodings form a continuous, geometrically ordered trajectory in the latent space, ensuring accurate quantitative metabo-lite mapping (APT, NOE, MT).
• Abstract（参考訳）: マルチプールケミカル交換飽和移動(Multi-Pool Chemical Exchange Saturation Transfer, CEST)MRIは、貴重な代謝情報を提供するが、長期取得によって臨床的に制限される。 スパースサンプリングは走査時間を短縮するが、限られたデータから高分解能Zスペクトルを再構成することは不適切な逆問題である。 従来の補間と一般的なインプリシットニューラルRep-Resentations(INR)は、しばしば物理的制約を欠き、スペクトルアーティファクトや物理的に無効な信号をもたらす。 そこで我々は,CEST再構成を暗黙的な連続座標学習による自己監督的再構成タスクとして定式化する物理インフォームドフレームワークであるLorentz Encoding (LE)を提案する。 一般的な位置符号化とは異なり、LEはスパース座標をパラメトリックローレンツプロファイルと学習可能な基底関数の組み合わせによって支配される物理的に制約された空間に射影することで連続スペクトル写像を正規化する。 このメカニズムは、ノイズを効果的に低減し、物理モデルとの整合性を強制する。 生体内ヒト脳データを用いた実験では、LEは最先端の手法よりも著しく優れていることが示された。 具体的には39ポイントのサンプリング戦略の下で、LEは57.58dBのPSNRと0.9994のSSIMを達成する。 さらに、学習された物理インフォームドエンコーディングは、潜在空間において連続的に幾何学的に順序付けられた軌道を形成し、正確な定量的メタボライトマッピング(APT, NOE, MT)を保証する。

関連論文リスト

• Physics-Driven Zero-Shot MRI Reconstruction with Non-local Image Priors [3.412182028038034]
  ZS-SSLは磁気共鳴画像(MRI)の再生に期待できるパラダイムとして登場した。 本稿では、画像領域の非局所的な先行値と物理の整合性を相乗化するための堅牢な物理駆動フレームワークを提案する。 提案手法は,特に加速係数が高い場合の最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-06-13T04:57:19Z)
• Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
  逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。 LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
  論文  参考訳（メタデータ） (2026-05-27T23:48:01Z)
• PILIR: Physics-Informed Local Implicit Representation [10.009790673923789]
  物理インフォームドローカルインプリシト表現(PILIR)について紹介する。 我々のアプローチは、グローバルな物理領域を離散的な潜在特徴空間と連続生成デコーダに分離する。 生成型ニューラル演算子はこれらの局所潜伏特性を連続体に合成し、微細構造を正確に再構築する。
  論文  参考訳（メタデータ） (2026-05-01T04:07:39Z)
• Monitoring Neural Training with Topology: A Footprint-Predictable Collapse Index [51.56484100374058]
  我々は,MHM(Modular Morse Homology maintenance)とCI(Composite Collapse Index)を併用したオンライントポロジ対応型神経表現モニタを提案する。 コンプレックスを再構築する代わりに、スパース編集を一定のスケールで適用し、離散的なモースマッチングを維持し、高速でインクリメンタルな更新をもたらす。
  論文  参考訳（メタデータ） (2026-04-28T19:21:21Z)
• MRI Contrast Enhancement Kinetics World Model [8.691568608551444]
  人間の体内におけるコントラスト強化運動学をシミュレートするために世界モデルを適用することは、連続したコントラストのないダイナミクスを可能にする。 MRI取得における低時間分解能は、世界モデルのトレーニングを制限する。 時空間一貫性学習(STCL)を用いたMRI CEKWorld(Contrast Enhancement Kinetics World Model)を提案する。
  論文  参考訳（メタデータ） (2026-02-22T17:39:31Z)
• Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
  深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。 本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。 CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-12-13T08:31:46Z)
• TARDis: Time Attenuated Representation Disentanglement for Incomplete Multi-Modal Tumor Segmentation and Classification [10.329406702659123]
  造影CT(Contrat-enhanced Computed Tomography)における腫瘍の分画と診断は,造影剤の生理的動態に大きく依存している。 既存のディープラーニングアプローチは、欠落した相を欠落した独立したチャネルとして扱い、血行動態の本質的な時間的連続性を無視している。 本稿では,連続時間短縮曲線の欠落点として欠落点を再定義する新しい物理認識フレームワークであるTime Attenuated Representation Disentanglement (TARDis)を提案する。
  論文  参考訳（メタデータ） (2025-12-04T08:44:50Z)
• Adapting HFMCA to Graph Data: Self-Supervised Learning for Generalizable fMRI Representations [57.054499278843856]
  機能的磁気共鳴画像(fMRI)解析は、データセットのサイズが限られ、研究間でのドメインの変動が原因で大きな課題に直面している。 コンピュータビジョンにインスパイアされた従来の自己教師付き学習手法は、正と負のサンプルペアに依存することが多い。 本稿では,最近開発された階層関数最大相関アルゴリズム(HFMCA)をグラフ構造fMRIデータに適用することを提案する。
  論文  参考訳（メタデータ） (2025-10-05T12:35:01Z)
• Physics-Driven Autoregressive State Space Models for Medical Image Reconstruction [5.208643222679356]
  本研究では,高忠実かつ効率的な画像再構成のための物理駆動自己回帰状態空間モデル(SSM)であるMambaRollを提案する。 MambaRollは、各カスケードが粗いスケールの表現でより微細な特徴マップを自動回帰予測するアンロールアーキテクチャを採用している。 MambaRoll は最新 CNN 法, Transformer- 法, SSM 法を常に上回っている。
  論文  参考訳（メタデータ） (2024-12-12T14:59:56Z)
• Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
  動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。 時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。 STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-14T02:26:10Z)
• Correlation-aware Spatial-Temporal Graph Learning for Multivariate Time-series Anomaly Detection [67.60791405198063]
  時系列異常検出のための相関対応時空間グラフ学習(CST-GL)を提案する。 CST-GLは、多変量時系列相関学習モジュールを介してペアの相関を明示的にキャプチャする。 新規な異常スコアリング成分をCST-GLにさらに統合し、純粋に教師なしの方法で異常の度合いを推定する。
  論文  参考訳（メタデータ） (2023-07-17T11:04:27Z)
• CoRRECT: A Deep Unfolding Framework for Motion-Corrected Quantitative R2* Mapping [9.783361575598025]
  CoRRECTは、定量的MRI(qMRI)のための統合深部展開(DU)フレームワークである モデルベースのエンドツーエンドニューラルネットワーク、モーションアーティファクトリダクションの方法、自己教師型学習スキームで構成されている。 実験で収集したmGRE(Multi-Gradient-Recalled Echo) MRIデータから,CoRRECTは高速な取得設定で動きと不均一なアーチファクトのないR2*マップを復元することを示した。
  論文  参考訳（メタデータ） (2022-10-12T15:49:51Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)

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。