論文の概要: Dense Temporal Contrast Synthesis via Conditioned Latent Transport

• arxiv url: http://arxiv.org/abs/2607.29394v1
• Date: Fri, 31 Jul 2026 13:12:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.732938
• Title: Dense Temporal Contrast Synthesis via Conditioned Latent Transport
• Title（参考訳）: 条件付き潜伏輸送による高密度時間コントラスト合成
• Abstract要約: 乳がん治療にはダイナミックコントラスト強調画像(DCE-MRI)が不可欠であるが,ガドリニウム系造影剤(GBCAs)に依存している。 コントラスト合成は非侵襲的な代替手段を提供するが、既存のアプローチは空間的リアリズムと時間的連続性のバランスをとるのに苦労している。 コントラスト向上を予測できる新しい条件付き潜伏輸送フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 28.227068680720194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI) is essential for breast cancer management, but reliance on gadolinium-based contrast agents (GBCAs) restricts use in contraindicated populations, prolongs scan protocols, and presents environmental toxicity concerns. Contrast synthesis offers a non-invasive alternative; however, existing approaches struggle to balance spatial realism with temporal continuity, suffer from slow iterative sampling, underutilize structural priors, and lack clinical validation. We propose a novel conditioned latent transport framework that predicts contrast enhancement in a single forward pass. By anchoring the latent trajectory to the pre-contrast anatomy and applying continuous time conditioning, the model synthesizes patient-specific contrast evolution at any acquisition time. The proposed approach outperforms baseline and the state-of-the-art models across spatial, perceptual, temporal, and distributional metrics. Evaluated on an independent external cohort, the method demonstrates robustness to domain shifts induced by scanner noise as well as differing acquisition protocol. Furthermore, our synthetic contrast enhancement significantly improved downstream tumor segmentation performance, yielding a 22.4% relative increase in Dice coefficient (0.60 vs. 0.49 baseline pre-contrast, p < 0.01), reducing boundary segmentation error by over 39%, while outperforming all other generative model baselines. Finally, a reader study involving four breast radiologists evaluated the image quality, kinetic fidelity, and diagnostic viability of our synthesized sequences across 40 randomly selected cases. The results demonstrated that in 70% of cases, synthesized images provided sufficient clinical information to support the same management decisions as real DCE-MRI, suggesting a path toward safer and faster contrast-free or contrast-reduced imaging workflows.
• Abstract（参考訳）: 乳がん治療には動的造影MRI(Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI)が不可欠であるが, ガドリニウム系造影剤(GBCA)に依存しているため, 予防接種集団の使用が制限され, スキャンプロトコルが延長され, 環境毒性が懸念される。 コントラスト合成は、非侵襲的な代替手段を提供するが、既存のアプローチは、空間的リアリズムと時間的連続性とのバランス、遅い反復サンプリング、構造的事前の活用、臨床検証の欠如に苦慮している。 コントラスト向上を予測できる新しい条件付き潜伏輸送フレームワークを提案する。 遅延軌道を前コントラスト解剖に固定し、連続時間条件付けを適用することにより、任意の取得時間で患者固有のコントラスト進化を合成する。 提案手法は, 空間的, 知覚的, 時間的, 分布的指標にまたがって, ベースラインと最先端のモデルより優れている。 独立な外部コホートに基づいて評価し、スキャナノイズによるドメインシフトに対する堅牢性および異なる取得プロトコルを示す。 さらに, 合成コントラスト増強により下流腫瘍のセグメンテーション性能が向上し, ディス係数が22.4%増加し, 境界セグメンテーション誤差が39%以上減少した。 最後に,40例の無作為選択症例を対象に,4名の胸部X線検査医を対象とし,画像品質,運動的忠実度,診断可能性について検討した。 その結果、70%の症例において、合成画像は、実際のDCE-MRIと同じ管理決定を支援する十分な臨床情報を提供しており、より安全で高速なコントラストフリーまたはコントラストレデュード画像ワークフローへの道のりが示唆された。

関連論文リスト

• Pre- to Post-Contrast Synthesis of Breast DCE-MRI using Latent Bridge Matching [0.8910258272248508]
  コントラスト前画像からピーク強調乳房DCE-MRIを合成するための潜在ブリッジマッチングフレームワークを提案する。 潜伏UNetは、中間ブリッジ状態からピーク拡張潜伏状態への残りの補正を予測し、反復的な洗練を可能にする。
  論文  参考訳（メタデータ） (2026-08-07T14:46:32Z)
• AA-ViT: Anatomically Aware Vision Transformer with Structural and Frequency Guidance for Contrast Enhanced Brain MRI Synthesis [0.2141757338181092]
  本稿では,CEMRI合成のための周波数・構造誘導型視覚変換器 (AA-ViT) を提案する。 BraTS 2021データセットの実験は、提案手法が解剖学的および病変の境界を保存することを実証している。
  論文  参考訳（メタデータ） (2026-07-08T15:49:44Z)
• 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)
• 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)
• Cancer-Net PCa-MultiSeg: Multimodal Enhancement of Prostate Cancer Lesion Segmentation Using Synthetic Correlated Diffusion Imaging [55.62977326180104]
  前立腺癌病変の分節化に対する近年の深層学習アプローチは,限られた性能を達成している。 本稿では,標準拡散型プロトコルの拡張として,合成相関拡散イメージング(CDI$s$)について検討する。 以上の結果から,PCa病変セグメント化タスクの実践的ドロップイン強化として,CDI$s$に対する検証済み統合経路が確立された。
  論文  参考訳（メタデータ） (2025-11-11T04:16:12Z)
• 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)
• Synthesizing Late-Stage Contrast Enhancement in Breast MRI: A Comprehensive Pipeline Leveraging Temporal Contrast Enhancement Dynamics [0.3499870393443268]
  本研究では,後期DCE-MRI画像の初期段階データから合成するためのパイプラインを提案する。 提案手法では, コントラストエージェントの時間的挙動を利用して生成モデルの訓練を指導する, 新たな損失関数である時間強度損失(TI-loss)を導入する。 アノテーション付き領域における拡張パターンを検証するContrast Agent Pattern Score(mathcalCP_s$)と、実際の拡張と生成された拡張の違いを測定するAverage difference in Enhancement(mathcalED$)の2つの指標が画像品質を評価するために提案されている。
  論文  参考訳（メタデータ） (2024-09-03T04:31:49Z)
• Towards Learning Contrast Kinetics with Multi-Condition Latent Diffusion Models [2.8981737432963506]
  DCE-MRI時間系列の時間条件画像合成が可能な潜時拡散モデルを提案する。 以上の結果から,本手法が現実的な多列性脂肪飽和乳房DCE-MRIを生成できることが示唆された。
  論文  参考訳（メタデータ） (2024-03-20T18:01:57Z)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)

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。