論文の概要: Now You Have My Healthy Attention: A U-DiT for Brain-MRI Inpainting

• arxiv url: http://arxiv.org/abs/2607.27974v1
• Date: Thu, 30 Jul 2026 10:20:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.508921
• Title: Now You Have My Healthy Attention: A U-DiT for Brain-MRI Inpainting
• Title（参考訳）: 健康への注意:脳-MRIの絵を描くためのU-DiT
• Abstract要約: 塗装作業は、T1強調MRIのマスク領域内の健康な脳組織の解剖学的に妥当な完成を要求される。 決定論的回帰モデルを構築し、インペイントに適した帰納的バイアスを与えることに重点を置いています。 歪み-最適回帰に固有の残留な滑らかさを論じ、解剖学的リアリズムにその意味を論じる。
• 参考スコア（独自算出の注目度）: 8.544231829756123
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The ASNR-MICCAI BraTS Local Synthesis (Inpainting) task asks for the anatomically plausible completion of healthy brain tissue within a masked region of a T1-weighted MRI, providing a tumor-free anatomical reference for downstream analysis. As the task is scored by distortion metrics (SSIM, PSNR, MSE), we build a deterministic regression model and focus on giving it inductive biases tailored to inpainting. Our network follows the U-DiT principle of performing self-attention on a downsampled token grid: a volumetric encoder-decoder imports long-range context through a downsampled global self-attention block with three-dimensional rotary position embeddings, while convolutions and skip connections preserve high-frequency detail. Two ideas drive our results. First, we constrain the attention so that occluded ("void") tokens attend only to known-healthy tokens of the same volume, with a learned bias toward each query's contralateral homologue, forcing the completion to be inferred from observed anatomy rather than from other unknown regions. Second, we add a contralateral-symmetry input that supplies the mirrored healthy hemisphere as a patient-specific prior; since the brain is approximately bilaterally symmetric and lesions are typically unilateral, this prior improves the distortion metrics at matched structural similarity. On the official BraTS-2026 validation leaderboard our submission reaches a mean healthy-region SSIM of $0.864$, PSNR of $24.7$\,dB and MSE of $4.6{\times}10^{-3}$ over $219$ cases. We further analyse the residual smoothness inherent to distortion-optimal regression and discuss its implications for anatomical realism.
• Abstract（参考訳）: ASNR-MICCAI BraTS局所合成(Inpainting)タスクは、T1強調MRIのマスク領域内で、正常な脳組織の解剖学的に妥当な完成を要求され、下流解析のための腫瘍のない解剖学的参照を提供する。 この課題は歪み指標(SSIM, PSNR, MSE)によって評価されるので, 決定論的回帰モデルを構築し, インペイントに適した帰納的バイアスを与えることに焦点をあてる。 ボリュームエンコーダデコーダは、3次元回転位置埋め込みを持つ大域的自己保持ブロックを通じて長距離コンテキストをインポートし、畳み込みやスキップ接続は高周波の詳細を保存する。 2つの考えが私たちの結果を駆動します。 まず,各問合せの対側ホモログに対して学習バイアスを課し,その完了を他の未知の領域からではなく観測された解剖学から推測するように注意を拘束する。 第2に,脳がほぼ左右対称であり,病変が典型的には片側的であるため,この前者は一致した構造的類似性の歪み測定値を改善する。 公式のBraTS-2026バリデーションリーダーボードでは、我々の申請は平均健康領域のSSIM$0.864$、PSNR$24.7$\,dB、MSE$4.6{\times}10^{-3}$219$に達する。 さらに、歪み-最適回帰に固有の残留な滑らかさを分析し、解剖学的リアリズムにその影響について論じる。

関連論文リスト

• ReMAP: Self-supervised learning to unveil brain representations and vulnerability [3.3233194140188687]
  全身麻酔は、標準化された制御された摂動の下で人間の脳を観察する稀な機会を提供する。 EEGは、ほとんど常に単一のプロプライエタリなディープインデックスに還元され、リッチな軌道を1つの数に分解する。 ここでは、その軌跡の幾何学が、到達した深さだけでなく、臨床的に意味のある情報を持っているかどうかを問う。
  論文  参考訳（メタデータ） (2026-08-22T17:09:49Z)
• PRISM-Net: Patient-specific reference-guided inter-breast symmetry matching for three-class breast DCE-MRI classification [4.086901280540239]
  PRISM-Netは、患者固有の背景認識表現学習の基準として、対側乳房の特徴を活用できる登録不要な双方向フレームワークである。 PRISM-Netは、両側の特徴マッチングと非対称性対応の注意を統合し、適応的層間対応を確立し、識別的非対称パターンの表現を強化する。
  論文  参考訳（メタデータ） (2026-07-29T11:38:59Z)
• Dual-Prior Guided Null-Space Learning with Mixture-of-Splines for Arbitrary Medical Slice Super-Resolution [28.92727853844715]
  超解像は、任意のスケールで中間スライスを合成することにより異方性の臨床的取得から等方性ボリュームを再構成する。 この不適切な逆問題を、制約のない残差に基づく回帰リスクとして扱うことで、不明瞭な構造を幻覚させる。 本稿では,2つの相補的事前に導かれる制約付き回復過程としてタスクを再構成するDual-Prior Null-space Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-25T07:53:36Z)
• Brain-WM: Brain Glioblastoma World Model [56.45393372490125]
  我々は、次世代治療予測と将来のMRI生成を統一する先駆的なGBMワールドモデルであるBrain-WMを提案する。 Brain-WMは、潜在ダイナミクスを共有潜在空間に符号化し、関節自己回帰治療予測とフローベース将来のMRI生成を行う。 最終的にBrain-WMは、患者医療を最適化するための堅牢な臨床サンドボックスを提供する。
  論文  参考訳（メタデータ） (2026-03-08T09:54:08Z)
• 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)
• Synthesizing Accurate and Realistic T1-weighted Contrast-Enhanced MR Images using Posterior-Mean Rectified Flow [3.024548464833694]
  造影強調(CE) T1強調MRIは神経腫瘍診断の中心であるが、ガドリニウムをベースとした薬剤が必要である。 非コントラスト入力からCE脳MRIを合成するための2段階後平均整流パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-08-18T05:55:57Z)
• Individualized Mapping of Aberrant Cortical Thickness via Stochastic Cortical Self-Reconstruction [5.7864523838262025]
  皮質自己再構成(SCSR)は、微妙な厚さのずれを検出することができる高度に個別化された皮質再構成を生成する。 SCSRは再建誤りを著しく低減し, 既往の方法よりも優れた疾患判別を可能にする萎縮パターンを同定した。
  論文  参考訳（メタデータ） (2024-03-11T15:59:35Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• 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)
• Bilateral Asymmetry Guided Counterfactual Generating Network for Mammogram Classification [48.4619620405991]
  画像レベルのラベルのみによるマンモグラムの良性や悪性の分類は,病変アノテーションが欠如しているため困難である。 画像に病変がなければ, 特徴がどのように振る舞うかという, 反現実的な問題を探ることができる。 我々は、対称的先行性に基づく反事実生成のための新しい理論的結果を得る。
  論文  参考訳（メタデータ） (2020-09-30T03:15:30Z)
• Exploring Partial Intrinsic and Extrinsic Symmetry in 3D Medical Imaging [39.5958976939981]
  ヒト解剖学のCTにおける不完全な左右対称を検出するための新しい手法を提案する。 骨盤骨の構造的に対称な性質を探求し、外傷性外傷患者の片側骨折に対する介入画像増強法として用いられる。
  論文  参考訳（メタデータ） (2020-03-04T19:08:55Z)

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。