論文の概要: Lesion-Aware Adaptive Fourier Neural Operator for CT-to-PSMA PET Synthesis in Prostate Cancer

• arxiv url: http://arxiv.org/abs/2608.10429v1
• Date: Tue, 11 Aug 2026 03:24:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.888882
• Title: Lesion-Aware Adaptive Fourier Neural Operator for CT-to-PSMA PET Synthesis in Prostate Cancer
• Title（参考訳）: 前立腺癌におけるCT-PSMA PET合成のための病変認識型適応型フーリエニューラル演算子
• Abstract要約: CTやMRIからPETを合成するディープラーニングモデルは、患者の服用量や需要を減らすことができるが、典型的には、すべてのボキセルを同様に扱うL1や平均二乗誤差(MSE)のような世界的な損失に最適化されている。 LAFNOはCT-to-PSMA-PET用適応フーリエニューラル演算子で、高次元の放射能条件を2つの効率的なCT由来のプロキシチャネルに置き換える。
• 参考スコア（独自算出の注目度）: 0.8431877864777443
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning models that synthesize PET from CT or MRI can reduce patient dose and scanner demand, but are typically optimized with global losses such as L1 or mean squared error (MSE) that treat all voxels similarly. In whole-body PSMA-PET, tumor voxels occupy only a small fraction of the volume, yet carry the clinically relevant activity signal; as a result, models can achieve high structural similarity index measure (SSIM) and peak signal-to-noise ratio (PSNR) while still underestimating lesion activity or failing to preserve tumor-specific structure. Radiomics provides biologically meaningful descriptors of tumor intensity and texture, but direct radiomics conditioning is time-consuming because it requires feature extraction from delineated lesion regions. We propose LAFNO, a Lesion-Aware Adaptive Fourier Neural Operator for CT-to-PSMA-PET synthesis that replaces high-dimensional radiomics conditioning with two efficient CT-derived proxy channels. Motivated by radiomics analysis of PSMA-avid tumor core and peritumoral regions, LAFNO uses a contrast proxy for local density variation and a disorder proxy for local texture heterogeneity, both injected into the model bottleneck. LAFNO combines whole-volume reconstruction with lesion-level total lesion activity (TLA), tumor-core contrast, and peritumoral supervision. We evaluated LAFNO against four baseline architectures on the TCIA PSMA-PET-CT-Lesions dataset. LAFNO remained competitive on whole-volume image quality, achieving SSIM of 0.960 and 0.938 for 18F- and 68Ga-PSMA, respectively, while reducing per-patient TLA error to 48.3% and 64.0% for 18F- and 68Ga-PSMA, respectively, and achieving the highest tumor-core radiomics reproducibility across all feature classes for both tracers. Peritumoral reproducibility remained tracer-dependent, indicating that biological fidelity in synthetic PSMA-PET remains challenging.
• Abstract（参考訳）: CTやMRIからPETを合成するディープラーニングモデルは、患者の服用量やスキャナーの需要を減らすことができるが、典型的には、すべてのボクセルを同じように扱うL1や平均二乗誤差(MSE)のような世界的な損失に最適化されている。 全身PSMA-PETでは、腫瘍のボクセルは体積のごく一部しか占めていないが、臨床的に関係のある活動シグナルを担っている。その結果、モデルでは、病変活性を過小評価したり、腫瘍特異的な構造を維持できないまま、高い構造的類似度指数(SSIM)とピーク信号-雑音比(PSNR)を達成できる。 放射線学は生物学的に意味のある腫瘍の強度とテクスチャの記述を提供するが、線状病変領域からの特徴抽出を必要とするため、直接放射線条件付けは時間を要する。 LAFNOはCT-PSMA-PET合成のための周波数適応型フーリエニューラル演算子であり、高次元の放射能条件を2つの効率的なCT由来のプロキシチャネルに置き換える。 LAFNOは、PSMAに結合した腫瘍コアと頭頂部領域の放射線学的解析により、局所密度変動のコントラストプロキシと局所テクスチャ不均一性のコントラストプロキシを使用しており、どちらもモデルボトルネックに注入されている。 LAFNOは、全巻再建と病変レベル全病変活動(TLA)、腫瘍コアコントラスト、および経時的管理を併用する。 LAFNOをTCIA PSMA-PET-CT-Lesionsデータセット上の4つのベースラインアーキテクチャと比較した。 LAFNOは、それぞれ18F-および68Ga-PSMAの0.960と0.938のSSIMを達成し、TLAエラーは18F-および68Ga-PSMAの48.3%と64.0%に減らし、両方のトレーサの全ての特徴クラスで最も高い腫瘍コア放射線再現性を達成した。 経時的再現性はトレーサー依存性のままであり, 合成PSMA-PETの生物学的忠実性は依然として困難であった。

関連論文リスト

• A Dual Path Framework with Hotspot Guided Fusion for Three Dimensional CT to PET Synthesis in Head and Neck Cancer [0.0]
  18F-FDG PET/CTは頭頸部癌に対するステージング、治療計画、反応評価において中心的な役割を果たす。 日常的なCTスキャンからPETライクな画像を直接合成するディープ・ラーニング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-23T20:33:50Z)
• Dual-Domain Equivariant Generative Adversarial Network for Multimodal CT-PET Synthesis [42.11510706776732]
  マルチモーダルCT-PET画像合成のためのDDE-GAN(Dual-Domain Equivariant Generative Adversarial Network)を提案する。 DDE-GANは、空間領域と周波数領域の両方から共同で学習し、相補的な解剖学的およびスペクトル情報を取得することで課題に対処する。
  論文  参考訳（メタデータ） (2026-06-11T13:30:56Z)
• Virtual Scanning for NSCLC Histology: Investigating the Discriminatory Power of Synthetic PET [2.014801947349493]
  非小細胞肺癌(NSCLC)における腺癌(ADC)と扁平上皮癌(SCC)の正確な組織分化はパーソナライズされた治療に重要である 18$F]FDG PET/CTは肺がんの臨床評価の標準ツールであるが、高コストと放射線曝露によってその有用性は制限されることが多い。 本稿では,FDG-PET/CT Lesionsデータセットで事前訓練した3D Pix2Pix Generative Adversarial Network (GAN) を用いて,解剖学的CTスキャンから擬似PETボリュームを合成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-04T15:46:53Z)
• Data Augmentation for High-Fidelity Generation of CAR-T/NK Immunological Synapse Images [40.26649380711007]
  キメラ抗原受容体(CAR)-TおよびNK細胞免疫療法は癌治療に変化をもたらした。 CAR-T/NK細胞免疫学的シナプス(IS)の品質は、治療効果を予測するための機能的バイオマーカーとして機能する可能性がある。
  論文  参考訳（メタデータ） (2026-02-01T00:54:53Z)
• Context-Gated Cross-Modal Perception with Visual Mamba for PET-CT Lung Tumor Segmentation [37.40806731129113]
  vMambaXは、PETとCTスキャン画像をContext-Gated Cross-Modal Perception Moduleを通じて統合する軽量フレームワークである。 PCLT20Kデータセットで評価すると、モデルは低い計算複雑性を維持しながらベースラインモデルより優れている。
  論文  参考訳（メタデータ） (2025-10-31T14:29:52Z)
• Multimodal Slice Interaction Network Enhanced by Transfer Learning for Precise Segmentation of Internal Gross Tumor Volume in Lung Cancer PET/CT Imaging [34.37798183254656]
  PET/CT画像における肺腫瘍内腫瘍容積(IGTV)は肺がんに対する最適な放射線治療に重要である。 我々は,MAMBAを用いたマルチモーダル対話型知覚ネットワークを用いた伝達学習手法を提案する。 2.5Dセグメンテーションフレームワーク内にスライス相互作用モジュール(SIM)を導入し,スライス間関係を効果的にモデル化する。
  論文  参考訳（メタデータ） (2025-09-26T18:48:08Z)
• Automatic quantification of breast cancer biomarkers from multiple 18F-FDG PET image segmentation [34.998498202537185]
  提案手法は18F-FDG PETから乳腺腫瘍の分節を自動生成するシステムである。 抽出したバイオマーカーにより,癌進展の自動評価が可能となった。
  論文  参考訳（メタデータ） (2025-02-06T13:51:28Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)
• AutoPET Challenge: Combining nn-Unet with Swin UNETR Augmented by Maximum Intensity Projection Classifier [15.924886815041774]
  AutoPET Challengeは900人の患者のFDG-PET/CTスキャンを備えた公開データセットを提供する。 肺がん,黒色腫,リンパ腫と診断された症例のDiceスコアは72.12%であった。
  論文  参考訳（メタデータ） (2022-09-02T15:20:28Z)
• Synthetic PET via Domain Translation of 3D MRI [1.0052333944678682]
  56ドルのF-FDG-PET/MRI検査データセットを用いて3D残像UNetをトレーニングし,全身T1強調MRIによる生理的PET取り込みを予測する。 予測されたPET画像は前方に投影され、ベンダーが提供するPET再構成アルゴリズムで使用できる合成PETタイム・オブ・フライ・シングラムを生成する。
  論文  参考訳（メタデータ） (2022-06-11T21:32:40Z)
• Multimodal Spatial Attention Module for Targeting Multimodal PET-CT Lung Tumor Segmentation [11.622615048002567]
  マルチモーダル空間アテンションモジュール(MSAM)は腫瘍に関連する領域を強調することを学ぶ。 MSAMは一般的なバックボーンアーキテクチャやトレーニングされたエンドツーエンドに適用できる。
  論文  参考訳（メタデータ） (2020-07-29T10:27:22Z)

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。