論文の概要: Heterogeneity-Adaptive Diffusion Schrodinger Bridge for PET-Guided Whole-Body MRI Translation

• arxiv url: http://arxiv.org/abs/2607.07401v1
• Date: Wed, 08 Jul 2026 13:35:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.395391
• Title: Heterogeneity-Adaptive Diffusion Schrodinger Bridge for PET-Guided Whole-Body MRI Translation
• Title（参考訳）: PET-Guided Whole-Body MRI 翻訳のための不均一性適応拡散シュロディンガーブリッジ
• Authors: Chengbo Wang, Jiacheng Yu, Linjie Bian, Ming Qi, Xiaosheng Liu, Tongtong Che, Jichang Zhang, Shuyu Li, Shaoli Song, Xiuying Wang,
• Abstract要約: ディープラーニングに基づくMRI翻訳は、スキャン時間を削減する潜在的な解決策を提供する。 現在のモデルは、しばしば特定の解剖学的領域に焦点を当て、全身スキャンの課題に直面している。 本稿では,新しいヘテロジニティ・アウェア言語フレームワークによる課題に対処する。
• 参考スコア（独自算出の注目度）: 5.215825299661144
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While whole-body multimodal medical imaging scanners have been increasingly recognized for more effective medical applications, the excessive long acquisition time in PET-MR scanning is a major obstacle in more efficient clinical practice. Deep learning-based MRI translation provides a potential solution to reduce scan duration. However, current models often focus on specific anatomical regions and face challenges for whole-body scans that consists of highly heterogeneous feature distributions mainly due to (1) different anatomical regions across whole-body, and (2) lesions or pathological tissues. This paper tackles the challenges through a novel Heterogeneity-Adaptive Diffusion Schrodinger Bridge (HA-DSB) framework. By explicitly modeling translation as stochastic transport between source and target distributions, HA-DSB incorporates region context embeddings derived from a vision-language model (VLM) to enable region-specific modeling. To enhance fidelity of the pathological tissue, lesion-aware metabolic prior from PET is integrated directly into the bridge dynamics through a dual-stage guidance mechanism. Specifically, a PET-guided noise modulation module adaptively scales spatial diffusion perturbations during the forward process, while PET features are leveraged during the reverse process to selectively amplify lesion-relevant structures via an attention mechanism. Experiments demonstrate the superiority of our method across different body regions in whole-body MRI translation and show improved translation quality in lesion areas under PET guidance. Our code is available at Github.
• Abstract（参考訳）: 全身マルチモーダル・メディカル・イメージング・スキャナーは、より効果的な医療応用として認識されつつあるが、PET-MRスキャンにおける過剰な長期取得は、より効率的な臨床実践において大きな障害である。 ディープラーニングに基づくMRI翻訳は、スキャン時間を削減する潜在的な解決策を提供する。 しかしながら、現在のモデルでは、主に(1)体全体にわたる異なる解剖学的領域、(2)病変または病理組織による、非常に異質な特徴分布からなる全身スキャンにおいて、特定の解剖学的領域に焦点が当てられ、課題に直面していることが多い。 本稿では,新しいヘテロジニティ適応拡散シュロディンガーブリッジ (HA-DSB) による課題に対処する。 ソースとターゲットの分布間の確率的移動として翻訳を明示的にモデル化することにより、HA-DSBは視覚言語モデル(VLM)から派生した領域コンテキストの埋め込みを導入し、領域固有モデリングを可能にする。 病理組織の忠実性を高めるため、PETより前の病変認識代謝は、二重ステージ誘導機構を介してブリッジダイナミックスに直接統合される。 具体的には、PET誘導ノイズ変調モジュールは、前処理中に空間拡散摂動を適応的に拡大する一方、PET特徴は逆処理中に活用され、注意機構を介して病変関連構造を選択的に増幅する。 PET誘導下, 病変領域の翻訳精度の向上を図り, 全身MRIの翻訳において, 異なる身体領域にまたがる手法の優位性を示す実験を行った。 私たちのコードはGithubで入手可能です。

関連論文リスト

• Delta-Diffusion: Modeling Longitudinal Brain Amyloid-PET Trajectories via Conditional Poisson Diffusion Bridge [2.4844989305098997]
  本稿では,ポアソン拡散ブリッジ (PDB) プロセスとして長手PET合成を再定義する新しい進行認識フレームワークであるDelta-Diffusionを提案する。 デルタ拡散は, アミロイド沈着のバラツキを, 最先端の手法と比較して捕食性能に優れることを示した。
  論文  参考訳（メタデータ） (2026-06-20T20:34:48Z)
• Translating MRI to PET through Conditional Diffusion Models with Enhanced Pathology Awareness [9.229807776105504]
  PASTAは,病的認知度を高めた条件付き拡散モデルに基づく新しい画像翻訳フレームワークである。 アルツハイマーの診断では、これらの合成スキャンの性能はMRIよりも4%向上し、実際のPETの性能にほぼ達する。
  論文  参考訳（メタデータ） (2026-03-19T13:36:19Z)
• A Generalist Foundation Model for Total-body PET/CT Enables Diagnostic Reporting and System-wide Metabolic Profiling [17.709593152803695]
  SDF-HOLOは全身PET/CTのマルチモーダル基礎モデルであり,1万人以上の患者を対象に事前トレーニングを行った。 二重ストリームエンコーダでCTとPETの表現学習を分離し、相互モードの相互作用モジュールを介してそれらを結合する。 このモデルは、システム全体の代謝プロファイルを可能にし、組織間の代謝ネットワーク相互作用の腫瘍関連指紋を明らかにする。
  論文  参考訳（メタデータ） (2026-01-19T08:30:09Z)
• 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)
• FoundDiff: Foundational Diffusion Model for Generalizable Low-Dose CT Denoising [55.04342933312839]
  本稿では,CT(低線量CT)デノナイズのための基礎拡散モデルFoundDiffを提案する。 FoundDiffは、(i)線量解剖学的知覚と(ii)適応的認知という2段階の戦略を採用している。 まず, 線量および解剖学的知覚を実現するために, 線量および解剖学的対応型コントラスト言語画像事前訓練モデル(DA-CLIP)を開発した。 第2に,適応的および一般化可能な復調を行うために,線量および解剖学的拡散モデル(DA-Diff)を設計する。
  論文  参考訳（メタデータ） (2025-08-24T11:03:56Z)
• Revolutionizing Disease Diagnosis with simultaneous functional PET/MR and Deeply Integrated Brain Metabolic, Hemodynamic, and Perfusion Networks [40.986069119392944]
  マルチモーダルなMiXture-of-expertsアライメント再構成とモデルであるMX-ARMを提案する。 モダリティは分離可能で交換可能であり、異なる多層パーセプトロン(「専門家の混合」)を学習可能な重みを通して動的に割り当て、異なるモダリティからそれぞれの表現を学ぶ。
  論文  参考訳（メタデータ） (2024-03-29T08:47:49Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• 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)
• Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
  本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。 具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。 提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2021-05-17T10:11:45Z)

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。