論文の概要: Synthesizing Post-Acetazolamide Cerebral Blood Flow Maps from Baseline MRI in Moyamoya Using 3D Generative AI

• arxiv url: http://arxiv.org/abs/2608.14758v1
• Date: Fri, 14 Aug 2026 08:14:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.071028
• Title: Synthesizing Post-Acetazolamide Cerebral Blood Flow Maps from Baseline MRI in Moyamoya Using 3D Generative AI
• Title（参考訳）: 3次元生成AIを用いたモヤモヤのベースラインMRIからのアセタゾラミド後脳血流図の合成
• Abstract要約: CAE3Dは、ACZ前ASL入力から直接ACZ後脳血流マップを合成する決定論的3D条件付きオートエンコーダである。 CAE3D は SSIM 0.80 と PSNR 24.0 dB で最低保持率の MAE (0.066) を達成した。 これらの結果は,標準2スキャンプロトコルを完了した患者に対して,ACZ後CBF合成の振り返りの可能性を確立した。
• 参考スコア（独自算出の注目度）: 0.07762418494957819
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For patients with Moyamoya disease, impaired cerebrovascular reserve (CVR) is an important hemodynamic criterion for recommending extracranial-to-intracranial bypass surgery. Standard CVR assessment in this cohort uses paired arterial spin labeling (ASL) perfusion MRI acquired before and after acetazolamide (ACZ). When ACZ is contraindicated or avoided, the post-ACZ cerebral blood flow (CBF) map needed for hemodynamic assessment is unavailable. We propose CAE3D, a deterministic 3D conditional autoencoder that synthesizes post-ACZ CBF maps directly from pre-ACZ ASL input. We evaluated CAE3D against ten comparators, including deterministic and diffusion-style 3D baselines, a 2D contextual baseline, and frozen-encoder foundation-model adapters. CAE3D achieved the lowest held-out MAE (0.066), with SSIM 0.80 and PSNR 24.0 dB, and near-zero full-brain mean bias. Its MAE advantage was statistically significant over seven of eight trained-from-scratch baselines, excluding the 2D CAE_2D comparator; its SSIM and PSNR advantages were significant over all eight. Regional delta-CBF predictions compressed the dynamic range in high-response territories. These results establish the retrospective feasibility of post-ACZ CBF synthesis in patients who completed the standard two-scan protocol. Extension to ACZ-contraindicated patients, who were not represented in this cohort, requires external and prospective validation.
• Abstract（参考訳）: モヤモヤ病では,脳血管予備能障害 (CVR) は頭蓋外-頭蓋内バイパス手術を推奨する重要な血行動態基準である。 アセタゾラミド(ACZ)前後に取得したASL灌流MRIを用いてコホートにおける標準CVR評価を行った。 ACZが禁忌または回避された場合、血行動態評価に必要なCAZ後脳血流(CBF)マップは利用できない。 本稿では,ACZ CBF マップをプレACZ ASL 入力から直接合成する決定論的3次元条件付きオートエンコーダ CAE3D を提案する。 CAE3Dを10個のコンパレータ(決定論的・拡散的3Dベースライン、2Dコンテキストベースライン、フリーズエンコーダ基礎モデルアダプタなど)に対して評価した。 CAE3D は SSIM 0.80 と PSNR 24.0 dB で最低保持率の MAE (0.066) を達成した。 MAEの利点は、2D CAE_2Dコンパレータを除く8つのトレーニング済みベースラインのうち7つで統計的に有意であり、SSIMとPSNRの利点は8つすべてで有意であった。 地域デルタ-CBF予測は、高応答領域のダイナミックレンジを圧縮した。 これらの結果は,標準2スキャンプロトコルを完了した患者に対して,ACZ後CBF合成の振り返りの可能性を確立した。 このコホートに代表されないACZ拘束患者への拡張には、外的および予知的検証が必要である。

関連論文リスト

• AsymFeX: A Symmetry-Driven Framework for Ischemic Stroke Segmentation Across Imaging Modalities and Stroke Stages [0.8886706641070187]
  急性虚血性脳卒中(AIS)病変は脳卒中予後と治療計画に必須である。 非造影CT(non-contrast CT, NCCT)は, 微妙な梗塞造影を呈し, 手指の脱線が遅く, 労働集約的である。 2段階のnnU-Net互換3Dセグメンテーション法を提案する。
  論文  参考訳（メタデータ） (2026-08-20T08:12:31Z)
• Harmonized Interpretable ECG Waveform Features for Robust Cross-Dataset Clinical Prediction [8.898778301129223]
  2つの大きなコホート(MIMIC-IVとアルバータコホート)を用いた3つのタスクのクロスデータセット一般化のベンチマークを行った。 ベンダー固有の測定ミスマッチを低減するため,原波形から直接計算した調和的,解釈可能な特徴表現を構築した。 タスク全体では、内部のAUROCは0.79-0.82、クロスデータセットのAUROCは0.74-0.78であり、大きな方向依存のAUPRCシフトは転送中である。
  論文  参考訳（メタデータ） (2026-07-26T02:04:13Z)
• A Latent ODE Approach to Spatiotemporal Modeling of Cine Cardiac MRI [35.84205082882139]
  両心室解剖とフルサイクルシネ運動を連続的軌跡として符号化する潜在力学モデルを提案する。 循環器疾患を伴わない英国バイオバンク72,386名を対象に,心不全367例を含む調査を行った。
  論文  参考訳（メタデータ） (2026-06-25T07:53:45Z)
• A Systematic Benchmark of Intraoperative Ultrasound-to-MR Synthesis for Brain Tumour Surgery [0.0]
  術中超音波(ioUS)は脳腫瘍手術において多彩で費用対効果が高い。 以前の作業のほとんどは、単一のアーキテクチャを独立して評価しています。 アーキテクチャパラダイム、推論規則、ダウンストリームタスクエンドポイントにまたがるベンチマークはない。
  論文  参考訳（メタデータ） (2026-05-30T09:05:24Z)
• 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)
• Explainable Anatomy-Guided AI for Prostate MRI: Foundation Models and In Silico Clinical Trials for Virtual Biopsy-based Risk Assessment [3.5408411348831232]
  MRIによる前立腺癌(PCa)のリスク階層化のための,完全に自動化された,解剖学的に指導されたディープラーニングパイプラインを提案する。 パイプラインは、前立腺とそのゾーンを軸方向のT2強調MRI上にセグメント化するためのnnU-Netモジュール、オプションの解剖学的先行と臨床データで3Dパッチに微調整されたDiceedPT Swin Transformer基盤モデルに基づく分類モジュール、決定駆動画像領域をローカライズする反ファクトなヒートマップを生成するVAE-GANフレームワークの3つの重要なコンポーネントを統合する。
  論文  参考訳（メタデータ） (2025-05-23T14:40:09Z)
• Successive Subspace Learning for Cardiac Disease Classification with Two-phase Deformation Fields from Cine MRI [36.044984400761535]
  本研究は,CVD分類のための軽量な逐次サブスペース学習フレームワークを提案する。 解釈可能なフィードフォワードデザインに基づいており、心房と組み合わせている。 3D CNNベースのアプローチと比較して、我々のフレームワークは140$times$より少ないパラメータで優れた分類性能を実現する。
  論文  参考訳（メタデータ） (2023-01-21T15:00:59Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• A Physiology-Driven Computational Model for Post-Cardiac Arrest Outcome Prediction [0.7930054475711718]
  本研究の目的は,CA後の結果を予測する計算モデルを構築することである。 我々は、生理的時系列(PTS)データの統合と機械学習(ML)分類器の訓練によりモデル性能を向上させることができると仮定した。 その結果, MLモデルによるCA後予測モデルの有効性が証明され, PTSが短期成績確率を符号化した後のごく初期段階に記録されることが示唆された。
  論文  参考訳（メタデータ） (2020-02-09T07:53:50Z)

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。