論文の概要: Anatomically Consistent Cross-Contrast Super-Resolution of Anisotropic Brain T2w MRI

• arxiv url: http://arxiv.org/abs/2608.08401v1
• Date: Sun, 09 Aug 2026 01:38:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.802591
• Title: Anatomically Consistent Cross-Contrast Super-Resolution of Anisotropic Brain T2w MRI
• Title（参考訳）: 解剖学的に矛盾する超解像を呈した異方性脳波T2w MRIの1例
• Authors: Mengqi Shen, Haicheng Wang, Meghna Trivedi, Tony J. Wang, Yuanguang Xu, Yingyan Zeng, Yading Yuan,
• Abstract要約: VIPP-SRはクロスコントラストガイド付き超高解像度フレームワークである。 これは異方性T2w体積の平面間分解能を等方性接地T2wなしで復元する。 その結果、VIPP-SRは真の異方性T2wベースラインよりも下流のセグメンテーションを改善することが確認された。
• 参考スコア（独自算出の注目度）: 3.5565466835374036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: T2-weighted (T2w) brain MRI provides fluid-sensitive soft-tissue contrast that is important for neuro-oncology and radiotherapy planning. However, T2w scans are acquired with anisotropic voxels and appear blurred or stair-stepped on coronal and sagittal views, which obscures small structures and weakens any downstream 3D analysis. We propose VIPP-SR (View-Independent Patched Projection Super-Resolution), a cross-contrast guided super-resolution framework that restores the inter-plane resolution of an existing anisotropic T2w volume without an isotropic ground-truth T2w. VIPP-SR first trains a view-independent patched generator (VIP-GAN) to learn local T1c-to-T2w anatomical correspondence from high-resolution axial slices. The trained generator is then applied to axial, coronal, and sagittal views of the T1c volume to generate three orthogonal T2w estimates. Shape-preserving patching and deepest-skip removal reduce view-specific shortcuts, thereby constraining the generator to learn patch-local representations and enabling the zero-shot inter-plane transfer. Central to VIPP-SR, a projection-based optimization then enforces anatomical consistency across the three view-specific volumes, fusing them by balancing inter-plane self-consistency against per-view data fidelity. The generator is trained on BraTS-MET and evaluated on both the held-out BraTS-MET testing set and the BraTS-GLI cohort without retraining, assessing the cross-cohort generalizability. The results validate that VIPP-SR improves downstream segmentation over the real anisotropic T2w baseline, raising mean-label Dice from 0.330 to 0.465 on BraTS-MET and, zero-shot, from 0.473 to 0.563 on BraTS-GLI and ablation studies identify inter-plane self-consistency as the main source of the gain.
• Abstract（参考訳）: T2-weighted (T2w) 脳MRIは、神経腫瘍学および放射線治療計画において重要な、流体感受性のソフト・タイピングコントラストを提供する。 しかし、T2wスキャンは異方性ボクセルで取得され、小さな構造を曖昧にし、下流の3D解析を弱める、冠状および矢状視でぼやけたり階段を踏んだように見える。 我々は、既存の異方性T2w体積の平面間分解能を等方性基底構造T2wなしで復元するクロスコントラスト誘導超解像フレームワークVIPP-SRを提案する。 VIPP-SRはまず、高分解能軸スライスから局所的なT1c-to-T2w解剖学的対応を学ぶために、ビュー非依存のパッチドジェネレータ(VIP-GAN)を訓練する。 訓練されたジェネレータは、T1c体積の軸、コロナ、および矢状ビューに印加され、3つの直交T2w推定を生成する。 形状保存パッチと深度スキップ除去は、ビュー固有のショートカットを減らすため、ジェネレータにパッチローカル表現の学習を制限し、ゼロショットの飛行機間転送を可能にする。 プロジェクションベースの最適化であるVIPP-SRの中心は、3つのビュー固有のボリュームの解剖学的一貫性を強制し、ビュー毎のデータ忠実さに対して平面間自己整合性をバランスさせることによってそれらを融合させる。 発電機はBraTS-METで訓練され、保持されたBraTS-METテストセットとBraTS-GLIコホートの両方で再訓練することなく評価され、クロスコホート一般化性を評価する。 その結果、VIPP-SRは実際の異方性T2wベースラインよりも下流のセグメンテーションを改善し、BraTS-METでは平均ラベルDiceが0.330から0.465まで上昇し、BraTS-GLIでは0.473から0.563まで上昇し、アブレーション研究により航空機間の自己整合性が利得の主源であると判明した。

関連論文リスト

• PRIME-SVR: Physics-infoRmed Implicit Multi-Echo Slice-to-Volume Reconstruction for Fetal T2 mapping [12.453071053418888]
  マルチエコーMRIを用いた関節型HR再建のための最初の暗黙的神経表現フレームワークであるPRIME-SVRを提案する。 最先端のSVRと比較して、PRIME-SVRは再構築を47%改善し、解剖学的精度を30%改善し、相互構造一貫性を14%改善した。 これは以前にSVRに到達できなかった後期TEでの再構成を可能にし、最初の0.8mm等方性T2マップは0.55 Tで、最初のT2マップはINRベースのSVRから派生したものである。
  論文  参考訳（メタデータ） (2026-07-22T13:39:40Z)
• Cross-Modality Structural Guidance in 3D Latent Diffusion for Robust FLAIR Super-Resolution [0.2959600957981674]
  高分解能(HR)MRIの取得は、しばしばスキャン時間制限によって妨げられる。 深層学習に基づく超解像法は、しばしば解剖学的詳細を幻覚させ、脳の構造的整合性を損なう。 MR-DiffuSRは,HR T1w構造像を予め組み込んだ多解拡散型超解法フレームワークで,厚めのFLAIRスキャンの復元を誘導する。
  論文  参考訳（メタデータ） (2026-06-24T00:26:01Z)
• Attenuation-Resilient Alternating Optimization for Laparoscopic Liver Landmark Detection [45.05240977535136]
  腹腔鏡下肝手術において,肝表面のランドマーク検出は解剖学的指導の必須条件である。 実際には、未露出領域における照明減衰と、ピクセルワイズ局在化と連続曲線幾何学の間の構造的ミスマッチという2つの広範囲にわたる課題のために、信頼できないままである。 A2ONetは、肝臓のロバストなランドマーク検出のための減衰-弾性交互最適化ネットワークである。
  論文  参考訳（メタデータ） (2026-05-26T07:06:10Z)
• LiFT: Lifted Inter-slice Feature Trajectories for 3D Image Generation from 2D Generators [15.815426921881382]
  LiFTは、3次元ボリューム合成をスライス毎の画像生成とスライス間軌道学習に分解する、リフテッド・インタースライス・フィーチャー・トラジェクトリのフレームワークである。 我々は BraTS 2023 (unconditional and missing-modality MR) と SynthRAD 2023 (MR-to-CT) の LiFT の評価を行った。
  論文  参考訳（メタデータ） (2026-05-18T19:30:19Z)
• 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)
• Maximizing T2-Only Prostate Cancer Localization from Expected Diffusion Weighted Imaging [68.57480103120561]
  マルチパラメトリックMRIは前立腺癌の検出と局所化のための第一線非侵襲的アプローチとしてますます推奨されている。 T2w画像のみを用いた早期機械学習の試みは、放射線医に注釈された病変の診断に有望な性能を示した。 本研究は、T2wのみを推論に用いて、独立した病理組織学的ラベルに基づいて個々のがんを局在させる、より難しい応用について検討する。
  論文  参考訳（メタデータ） (2026-04-01T14:50:18Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Precise Liver Tumor Segmentation in CT Using a Hybrid Deep Learning-Radiomics Framework [5.499971648188868]
  本稿では,注目度の高いU-Netと,手作りラジオミクスとボクセルワイド3DCNNの改良を併用したハイブリッドフレームワークを提案する。 2.5Dの2段階ネットワークは、密結合エンコーダ、サブピクセル畳み込みデコーダ、マルチスケールアテンションゲートを備え、初期肝と腫瘍の確率マップを生成する。 AlexNetから派生したコンパクトな3DパッチベースのCNNは、腫瘍境界付近の狭い帯域で動作し、ボクセルレベルのリラベリングと輪郭の平滑化を行う。
  論文  参考訳（メタデータ） (2025-12-08T14:09:21Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Segmenting Bi-Atrial Structures Using ResNext Based Framework [3.0838948803252904]
  左心房(LA)と右心房(RA)の完全自動セグメンテーションのための新しい2段階ディープラーニングフレームワークTASSNetを提案する。 TASSNetは、(i)限られた医療データセットからの特徴抽出を強化するResNeXtベースのエンコーダ、(ii)高度に不均衡な小さな3Dセグメンテーションタスクにおける収束不安定に対処するための循環学習率スケジュールの2つの主要なイノベーションを紹介している。
  論文  参考訳（メタデータ） (2025-02-28T10:23:12Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)

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。