論文の概要: Does FLAIR super-resolution erase or hallucinate small white-matter lesions?

• arxiv url: http://arxiv.org/abs/2608.06311v1
• Date: Thu, 06 Aug 2026 17:26:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.982444
• Title: Does FLAIR super-resolution erase or hallucinate small white-matter lesions?
• Title（参考訳）: FLAIRの超解像は小さなホワイトマター病変を消し去るか幻覚させるか?
• Abstract要約: 流体吸収性逆転回復(FLAIR)スキャンにおける白色物質高強度(WMH)と明るい領域は脳血管疾患と神経変性と関連している。 超解像法(SR)は異方性スキャンから等方性容積を回収する方法として広く用いられているが,WMH分画に先立って適用した場合は病変内容が不明である。 1mm等方性高分解能FLAIRスキャンを用いて,ADNIコホート29名を対象に,専門家が手作業でWMHに分割した。
• 参考スコア（独自算出の注目度）: 11.981647222658017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: White matter hyperintensities (WMH), bright regions on Fluid-attenuated Inversion Recovery (FLAIR) scans are associated with cerebrovascular pathology and neurodegeneration. FLAIR is usually acquired with thick slices in clinical settings, giving it poor through-plane resolution. Super-resolution (SR) is a widely used method for recovering an isotropic volume from an anisotropic scan. Yet whether applying it prior to WMH segmentation preserves lesion content remains unknown: a model may erase small real lesions or hallucinate absent ones. We used 1-mm isotropic high-resolution (HR) FLAIR scans from 29 individuals in the ADNI cohort, each manually segmented for WMH by an expert. Then, we degraded each to simulated 3 and 5 mm through-plane acquisitions. Multi-contrast implicit neural representation (INR), a single-contrast self-supervised model (ECLARE), and cubic interpolation were used to upsample them onto the HR grid. WMH segmentation from a simulated thick slice and the original HR FLAIR set the floor and ceiling, respectively, for the per-lesion analysis. Of four WMH segmentation methods (WMH-SynthSeg, segcsvd, MARS-WMH, TrUE-Net), we ran the analysis under the most sensitive one to small lesions on HR (MARS-WMH) with the evaluation metrics of detection sensitivity, erasure rate (HR-detected lesions lost after reconstruction), and hallucination rate (predicted components absent from both the manual and HR segmentation). The dominant effect of SR was erasure of small real lesions, not hallucination, and it increased with slice thickness, though every reconstruction still improved lesion detection over the raw thick slice. ECLARE recovered small lesion signal best at both thicknesses, while the INR was no better than cubic interpolation.
• Abstract（参考訳）: WMH(White matter hyperintensities)、FLAIR(Fluid-attenuated Inversion Recovery)スキャンの明るい領域は脳血管障害や神経変性と関連している。 FLAIRは通常、臨床環境では厚いスライスで取得される。 超解像 (SR) は異方性スキャンから等方性体積を回収する手法として広く用いられている。 しかし、WMHセグメンテーションにそれを適用することは病変の含有量を保っているかどうかは不明であり、モデルは小さな実際の病変を消去したり、欠失した病変を幻覚させることがある。 1mm等方性高分解能FLAIRスキャンを用いて,ADNIコホート29名を対象に,専門家が手作業でWMHに分割した。 そして,3mmおよび5mmの面内取得を模擬した。 マルチコントラスト暗黙的ニューラル表現(INR)、シングルコントラスト自己監督モデル(ECLARE)、立方体補間を用いて、それらをHRグリッドにアップサンプリングした。 WMHセグメンテーションとHR FLAIRは, 床面と天井にそれぞれ設定し, 層間解析を行った。 WMH-SynthSeg, segcsvd, MARS-WMH, TrUE-Netの4つのWMHセグメンテーション法において, HR (MARS-WMH) の小さな病変に対して, 検出感度, 消去率 (再建後に失われたHR検出病変) , 幻覚率 (手動およびHRセグメンテーションから欠落した予測成分) を測定した。 SRの優位性は, 幻覚ではなく, 小病変の消失であり, スライス厚とともに増大したが, 各再建では生厚スライスによる病変検出が改善した。 ECLAREは両厚とも小さな病変信号が回復し,INRは立方体補間に劣った。

関連論文リスト

• Rendering Novel Views of MRI Using 3D Gaussian Splatting [54.6286495315908]
  3D Gaussian Splatting を用いて, スパース異方性MRIから画像再構成を行い, 臨床評価に関係する解剖学的に整合した画像面を採取, 描画した。 新しいビュープレーンは対象解剖の診断に最適であるが、元のMRIはそうではない。
  論文  参考訳（メタデータ） (2026-06-24T18:00:03Z)
• Lesion-DDPM: Lesion-Enhanced 3D Diffusion for MS MRI Synthesis [4.271205016216702]
  3D FLAIR MRIは多発性硬化症(MS)における脳画像の標準MRIシークエンスの一つとして広く推奨されている この不足と変動は、堅牢なニューロイメージング機械学習モデルの開発を妨げる。 病変認識FLAIR合成のための3次元条件拡散フレームワークであるLesion-DDPMを提案する。
  論文  参考訳（メタデータ） (2026-06-13T20:21:20Z)
• 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)
• Exploring Robustness of Cortical Morphometry in the presence of white matter lesions, using Diffusion Models for Lesion Filling [0.1362941274535414]
  多発性硬化症や小血管疾患などのT1強調画像における白色物質の低強度は、脳の分画の出力に影響を与えることが知られている。 これらの効果は、従来の脳のセグメンテーションツールの間でよく文書化されているが、ディープラーニングセグメンテーションに基づくツールでは広く研究されていない。 本稿では,WM病変の存在下での皮質厚測定の精度と効率を高めるため,深層学習の可能性を検討する。
  論文  参考訳（メタデータ） (2025-03-26T14:18:35Z)
• Uncertainty quantification for White Matter Hyperintensity segmentation detects silent failures and improves automated Fazekas quantification [3.1773635209430036]
  ホワイトハイパーインテンシティ(White Hyperintensities、WMH)は、脳MRIに存在する小血管疾患の主要な神経放射線学的マーカーである。 WMHは, 形状, 位置, サイズ, 未定義境界, および他の病理と類似の強度プロファイルにより, セグメンテーションが困難である。 WMHの不確実性情報を組み込むことで,ファゼカス分類性能と校正性能が向上することを示す。
  論文  参考訳（メタデータ） (2024-11-26T16:34:24Z)
• Learned Local Attention Maps for Synthesising Vessel Segmentations [43.314353195417326]
  我々は、T2 MRIのみから、Willis(CoW)円の主大脳動脈の分節を合成するためのエンコーダ・デコーダモデルを提案する。 これは、セグメンテーションラベルを拡張することによって生成された学習されたローカルアテンションマップを使用し、ネットワークはCoWの合成に関連するT2 MRIからのみ情報を抽出する。
  論文  参考訳（メタデータ） (2023-08-24T15:32:27Z)
• White Matter Hyperintensities Segmentation Using Probabilistic TransUNet [0.0]
  ホワイト・マター・ハイパーインテンシティ(White Matter Hyperintensities、WMH)は、他の通常の脳領域よりも高い強度を持つ脳の領域である。 WMHの検出には、高い曖昧さと小さなWMHの検出の難しさの2つの共通点がある。 本稿では,小物体分割の精度と医用画像のあいまいさに対処するため,確率的トランスUNetという手法を提案する。
  論文  参考訳（メタデータ） (2023-05-06T03:31:56Z)
• Multiple Instance Ensembling For Paranasal Anomaly Classification In The Maxillary Sinus [46.1292414445895]
  副鼻腔奇形は幅広い形態学的特徴を持つ。 副鼻腔異常分類への現在のアプローチは、一度に1つの異常を特定することに制約されている。 3次元畳み込みニューラルネットワーク(CNN)を用いて正常上顎骨(MS)とMSをポリープや嚢胞で分類する可能性を検討した。
  論文  参考訳（メタデータ） (2023-03-31T09:23:27Z)
• Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
  ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。 ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。 本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
  論文  参考訳（メタデータ） (2022-07-18T23:07:53Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• A Deep Learning-Based Unified Framework for Red Lesions Detection on Retinal Fundus Images [0.5018156030818883]
  糖尿病性網膜症(DR)の早期徴候は赤髄、微小動脈瘤(MAs)、出血(HMs)である 既存の手法のほとんどは、そのテクスチャ、サイズ、形態の違いから、MAsかHMsのみを検出する。 そこで本研究では,小病変と大病変を同時に扱う2流レッド病変検出システムを提案する。
  論文  参考訳（メタデータ） (2021-09-10T00:12:13Z)
• Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain MRI [47.26574993639482]
  本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。 ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
  論文  参考訳（メタデータ） (2020-06-23T09:20:42Z)

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。