論文の概要: MIRAGE: Multi-scale Lesion-Informed Representation with Auxiliary Guidance for MRI Contrast Enhancement

• arxiv url: http://arxiv.org/abs/2607.19137v1
• Date: Tue, 21 Jul 2026 14:26:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.453859
• Title: MIRAGE: Multi-scale Lesion-Informed Representation with Auxiliary Guidance for MRI Contrast Enhancement
• Title（参考訳）: MIRAGE:MRIコントラスト強調のための補助ガイド付きマルチスケール病変インフォームド表現
• Abstract要約: 我々は,大域的再建と知覚的損失を3種類の病変認識監視と組み合わせた残存2次元U-NetであるMIRAGEを紹介する。 マルチ中心MAMA-SYNTHデータから, 8つの補完画像, 領域, 放射能, セグメンテーションに基づく測定値を用いて, 301症例について評価を行った。
• 参考スコア（独自算出の注目度）: 7.375452467540828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inferring contrast enhancement from one pre-contrast breast MRI slice is underdetermined: post-contrast appearance contains physiological information that is not uniquely encoded in baseline anatomy. Optimizing only paired pixel fidelity can suppress uncertain lesion enhancement, whereas adversarial or stochastic generative objectives can favor realistic post-contrast appearance without guaranteeing patient-specific lesion fidelity. We introduce MIRAGE, a residual 2D U-Net that combines global reconstruction and perceptual losses with three forms of lesion-aware supervision available only during training: an asymmetric penalty for missed tumor enhancement, multi-scale auxiliary tumor segmentation, and guidance through a frozen post-contrast tumor segmentation nnU-Net. We evaluate the method on 301 cases from the multi-centre MAMA-SYNTH data using eight complementary image-, region-, radiomics-, and segmentation-based metrics. MIRAGE ranks first on six metrics and markedly improves downstream lesion localization over tuned pix2pix, conditional diffusion, and latent bridge-matching baselines. The generative alternatives retain advantages in LPIPS or contrast classification, revealing a clear fidelity-utility trade-off. Leave-one-in and leave-one-out ablations show that the losses are partly redundant for lesion localization but exert distinct effects on appearance, radiomics, and boundary accuracy. These results support task-aware synthesis while also showing that its apparent optimality is conditional on the downstream models and metrics used to define utility.
• Abstract（参考訳）: 1つのコントラスト乳房MRIスライスからのコントラスト増強を推定するには、基準解剖学的に一意にエンコードされていない生理的情報を含むコントラスト後外観が過小評価される。 対の画素の忠実度のみを最適化することは、不確実な病変の増大を抑制することができるが、対向的あるいは確率的生成目的は、患者固有の病変の忠実さを保証せずに、現実的なコントラスト後の出現を好むことができる。 我々は,MIRAGEを紹介した。MIRAGEは,大域的再建と知覚的損失と,トレーニング中にのみ利用できる病変認識の3つの形態を併用した2次元U-Netであり,非対称な腫瘍増強,マルチスケール補助腫瘍セグメンテーション,凍結後腫瘍セグメンテーション nnU-Net による誘導である。 マルチ中心MAMA-SYNTHデータから, 8つの補完画像, 領域, 放射能, セグメンテーションに基づく測定値を用いて, 301症例について評価を行った。 MIRAGEは6つの指標で第1位にランクインし、調整されたピクセル2ピクセル、条件拡散、潜在ブリッジマッチングベースラインよりも下流の病変の局在を著しく改善する。 LPIPSまたはコントラスト分類の利点を保ち、明らかな忠実性と実用性のトレードオフを明らかにしている。 左ワンインおよび左ワンアウトアブレーションは、病変の局所化には一部は冗長であるが、外観、放射能、境界精度に顕著な影響を及ぼすことを示した。 これらの結果は、タスク認識合成をサポートし、その明らかな最適性は、ユーティリティを定義するために使用される下流モデルとメトリクスに条件づけられていることを示す。

関連論文リスト

• Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
  パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。 ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。 ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
  論文  参考訳（メタデータ） (2026-05-29T02:48:23Z)
• D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
  欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。 提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
  論文  参考訳（メタデータ） (2026-05-21T09:55:42Z)
• Degradation-Aware Blur-Segmentation of Brain Tumor [6.772154747032075]
  Degradation-Aware Blur-Segmentation Net (DABSeg) は、同期型3次元マルチモーダルMRIセグメンテーションネットワークである。 本稿では,ブラーとリバランスの強度を補正する特徴領域の運動分解ステムを提案する。 システムは、モダリティの効果的な相補性を得るために、ぼやけたクロスアテンションモジュールとマルチスケールの残留アグリゲーションを組み込む。
  論文  参考訳（メタデータ） (2026-05-15T06:47:37Z)
• 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)
• Brain MR Image Synthesis with Multi-contrast Self-attention GAN [0.2291770711277359]
  3D-MC-SAGANは3Dマルチコントラスト合成フレームワークである。 腫瘍特性を保ちながら、1つのT2入力から高忠実度欠落モードを生成する。 最先端の定量的性能を達成し、視覚的にコヒーレントで解剖学的に妥当なコントラストを生成する。
  論文  参考訳（メタデータ） (2026-03-31T13:43:53Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• Comparing Conditional Diffusion Models for Synthesizing Contrast-Enhanced Breast MRI from Pre-Contrast Images [31.354231459573356]
  乳がんの診断と治療にはDCE(Dynamic contrast-enhanced)MRIが不可欠である。 しかし、コントラストエージェントへの依存は、安全性の懸念、禁忌、コストの増大、ワークフローの複雑さをもたらす。 DCE-MRIを合成するために,事前コントラスト条件付き拡散確率モデルを提案する。
  論文  参考訳（メタデータ） (2025-08-19T12:24:55Z)
• SPOCKMIP: Segmentation of Vessels in MRAs with Enhanced Continuity using Maximum Intensity Projection as Loss [0.5224038339798621]
  本研究は,MIP(Maximum Intensity Projection)を付加的な損失基準として用いたセグメンテーション品質の向上に焦点をあてる。 ラベルセグメンテーションのMIPを1つの(z軸)と3次元体積の複数の知覚可能な軸に組み込むことで2つの手法を提案する。 提案手法は血管の連続性を改善したセグメンテーションを生成し,ROIの視覚的検査で明らかである。
  論文  参考訳（メタデータ） (2024-07-11T16:39:24Z)
• Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
  病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。 健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
  論文  参考訳（メタデータ） (2023-08-03T21:56:50Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)

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。