論文の概要: Metadata-Aware Adaptation of a Generative Foundation Model for Conditional CMR Synthesis

• arxiv url: http://arxiv.org/abs/2608.24342v1
• Date: Tue, 25 Aug 2026 10:03:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.929929
• Title: Metadata-Aware Adaptation of a Generative Foundation Model for Conditional CMR Synthesis
• Title（参考訳）: 条件付きCMR合成のための生成基礎モデルのメタデータ対応
• Abstract要約: 合成画像生成は、医療画像におけるデータ不足と臨床的に重要な表現型の不足に対処するための有望な戦略である。 本研究では, メタデータ条件付心磁気共鳴(CMR)合成について, 事前学習型潜在モデルを用いて検討する。 本フレームワークは,英国バイオバンクの59,058個の短軸CMRに対して,ペア画像類似度,分布忠実度,サブグループレベル解析を用いて微調整および評価を行った。
• 参考スコア（独自算出の注目度）: 1.5538501783439032
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Synthetic image generation is a promising strategy to address data scarcity and the underrepresentation of clinically important phenotypes in medical imaging, yet generating images that faithfully reflect meaningful patient characteristics remains challenging. In this work, we investigate metadata-conditioned cardiac magnetic resonance (CMR) synthesis using a pretrained latent diffusion model, encoding structured clinical metadata and slice position as textual prompts to guide CMR generation. To improve metadata adherence and address the imbalance of clinical attributes, we integrate three strategies: Metadata-Free Classifier-Free Guidance (CFG), Contrastive Batching, and Inverse-Frequency Sampling. The framework was fine-tuned and evaluated on 59,058 short-axis CMR from the UK Biobank using paired image similarity, distributional fidelity, and subgroup-level analyses. The combined approach achieved a Fréchet Inception Distance (FID) of 37.47, improving by 57.04\% over the same model fine-tuned without these strategies and by 28.68\% over a previous text-conditioned CMR diffusion baseline requiring cardiac geometry as additional input, while relying solely on patient metadata. This distributional gain, driven mainly by Metadata-Free CFG, came with a modest reduction in paired similarity, suggesting that the model prioritizes population-level realism over exact image reproduction. Subgroup analyses demonstrated improved alignment across demographic and acquisition-related metadata, with disease-specific conditioning being the most challenging task. These findings demonstrate the potential of generative foundation models for clinically meaningful CMR synthesis while highlighting the need for more effective metadata-aware conditioning strategies. Our code is available at https://github.com/rodriguezmarc/conditional-cmr.
• Abstract（参考訳）: 合成画像生成は、医療画像における臨床的に重要な表現型の不足に対処する上で有望な戦略であるが、有意義な患者特性を忠実に反映した画像を生成することは依然として困難である。 本研究では,CMR生成を誘導するためのテキストプロンプトとして,予め訓練した潜在拡散モデルを用いて,メタデータ条件付心磁気共鳴(CMR)合成,構造化された臨床メタデータとスライス位置を符号化する。 メタデータの適合性を改善し, 臨床属性の不均衡に対処するために, メタデータ・フリー・クラシファイア・フリー・ガイダンス(CFG), コントラスト・バッチ, 逆周波数サンプリングの3つの戦略を統合する。 本フレームワークは,英国バイオバンクの59,058個の短軸CMRに対して,ペア画像類似度,分布忠実度,サブグループレベル解析を用いて微調整および評価を行った。 統合されたアプローチは、Fréchet Inception Distance (FID) 37.47を達成し、これらの戦略を使わずに微調整された同じモデルに対して57.04\%改善し、患者のメタデータにのみ依存しながら、以前のテキスト条件のCMR拡散ベースラインに対して28.68\%改善した。 この分布ゲインは主にMetadata-Free CFGによって駆動され、ペアの類似性はわずかに減少しており、モデルが正確な画像再生よりも人口レベルのリアリズムを優先していることを示唆している。 サブグループ分析では、人口統計学的および買収関連メタデータの整合性が向上し、疾患特異的条件付けが最も難しい課題であった。 これらの結果は、より効果的なメタデータ対応条件付け戦略の必要性を強調しつつ、臨床的に有意なCMR合成のための生成基盤モデルの可能性を示している。 私たちのコードはhttps://github.com/rodriguezmarc/conditional-cmr.comで利用可能です。

関連論文リスト

• Anatomically-conditioned Latent Diffusion Model for Data-Efficient Few-Shot Cross-Domain 3D Glioma MRI Synthesis [1.4312099612976772]
  解剖学的条件付き潜在拡散モデル(ALDM)は,データ効率,少数ショットMRI合成のための新しいフレームワークである。 ターゲット画像は16枚しかなく、極端に数発の撮影で評価された。
  論文  参考訳（メタデータ） (2026-06-24T04:42:42Z)
• Synthetic Cardiac MRI Image Generation using Deep Generative Models [0.4733942082447995]
  人工心臓MRI(CMRI)は, 注記医用画像データの不足を克服するための有望な戦略として浮上している。 GAN、VAE、拡散確率モデル、フローマッチング技術の最近の進歩は、解剖学的に正確な画像を生成することを目的としている。 このレビューは、忠実度、実用性、プライバシのレンズによる既存のCMRI生成アプローチを比較することを目的としている。
  論文  参考訳（メタデータ） (2026-03-25T19:37:05Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Adapting HFMCA to Graph Data: Self-Supervised Learning for Generalizable fMRI Representations [57.054499278843856]
  機能的磁気共鳴画像(fMRI)解析は、データセットのサイズが限られ、研究間でのドメインの変動が原因で大きな課題に直面している。 コンピュータビジョンにインスパイアされた従来の自己教師付き学習手法は、正と負のサンプルペアに依存することが多い。 本稿では,最近開発された階層関数最大相関アルゴリズム(HFMCA)をグラフ構造fMRIデータに適用することを提案する。
  論文  参考訳（メタデータ） (2025-10-05T12:35:01Z)
• Clinical Metadata Guided Limited-Angle CT Image Reconstruction [8.987752589028348]
  リミテッド・アングル・コンピュート・トモグラフィ(英語版) (LACT) は、時間分解能の改善と心筋イメージングに対する放射線線量削減を提供するが、切り離された投射による重度のアーチファクトに悩まされる。 LACT再建の誤りに対処するため,構造化された臨床メタデータでガイドされる2段階の拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-01T20:14:15Z)
• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• Fairness-Aware Data Augmentation for Cardiac MRI using Text-Conditioned Diffusion Models [1.6581402323174208]
  本稿では,データセットに固有の不均衡を,合成データの生成によって緩和する手法を提案する。 我々は,患者メタデータと心臓の形状から合成したテキストを条件に,拡散確率モデルに基づく制御ネットを採用する。 本実験は,データセットの不均衡を緩和する手法の有効性を実証するものである。
  論文  参考訳（メタデータ） (2024-03-28T15:41:43Z)
• Beyond Images: An Integrative Multi-modal Approach to Chest X-Ray Report Generation [47.250147322130545]
  画像からテキストまでの放射線学レポート生成は,医療画像の発見を記述した放射線学レポートを自動生成することを目的としている。 既存の方法の多くは画像データのみに焦点をあてており、他の患者情報は放射線科医に公開されていない。 胸部X線レポートを生成するための多モードディープニューラルネットワークフレームワークを,非構造的臨床ノートとともにバイタルサインや症状などの構造化された患者データを統合することで提案する。
  論文  参考訳（メタデータ） (2023-11-18T14:37:53Z)
• PathLDM: Text conditioned Latent Diffusion Model for Histopathology [62.970593674481414]
  そこで我々は,高品質な病理像を生成するためのテキスト条件付き遅延拡散モデルPathLDMを紹介した。 提案手法は画像とテキストデータを融合して生成プロセスを強化する。 我々は,TCGA-BRCAデータセット上でのテキスト・ツー・イメージ生成において,SoTA FIDスコア7.64を達成し,FID30.1と最も近いテキスト・コンディショナブル・コンペティタを著しく上回った。
  論文  参考訳（メタデータ） (2023-09-01T22:08:32Z)
• Classification of lung cancer subtypes on CT images with synthetic pathological priors [41.75054301525535]
  同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。 肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
  論文  参考訳（メタデータ） (2023-08-09T02:04:05Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)

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。