論文の概要: MAMA-FLUX.2: Image-to-Image Synthesis of Post-Contrast Breast DCE-MRI for the MAMA-SYNTH Challenge

• arxiv url: http://arxiv.org/abs/2608.25648v1
• Date: Wed, 26 Aug 2026 11:26:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.781764
• Title: MAMA-FLUX.2: Image-to-Image Synthesis of Post-Contrast Breast DCE-MRI for the MAMA-SYNTH Challenge
• Title（参考訳）: MAMA-FLUX.2:MAMA-SYNTHチャレンジのためのコントラスト後DCE-MRIの画像合成
• Abstract要約: 我々は,MAMA-SYNTHチャレンジにおけるコントラスト前乳房MRI合成について検討した。 FLUX.2-Klein-4Bに基づく条件付き潜水流マッチング手法MAMA-FLUX.2を提案する。 前コントラスト画像は空間条件として符号化され、モデルでは後コントラスト目標潜時に関連する流れ場を予測する。
• 参考スコア（独自算出の注目度）: 0.41171927271696834
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Dynamic contrast-enhanced breast MRI is central to cancer diagnosis and monitoring, but requires gadolinium-based contrast agents. In this work, we address pre-to-post contrast breast MRI synthesis for the MAMA-SYNTH challenge. We propose MAMA-FLUX.2, a conditional latent flow-matching approach based on FLUX.2-Klein-4B. The pre-contrast image is encoded as spatial conditioning, while the model predicts the flow field associated with the post-contrast target latent. To adapt the pretrained model efficiently, we use LoRA fine-tuning and introduce a regional training objective combining global flow matching, tumor-region supervision, and stable foreground regularization. We further investigate LoRA rank, intensity windowing, and regional loss weights on axial slices, prioritizing clinically relevant tumor-focused metrics. Our ablation study shows that moderate tumor and stable-foreground weighting improves the trade-off between image fidelity and tumor-region accuracy. The final model achieves the best overall balance with LoRA rank/$α=64/64$, $\mathrm{MHA}_{\max}=25$, $λ_{\mathrm{tumor}}=0.25$, and $λ_{\mathrm{stable}}=0.1$. These results demonstrate that compact pretrained rectified-flow transformers can be adapted for contrast-enhanced MRI synthesis using parameter-efficient fine-tuning and task-aware regional losses.
• Abstract（参考訳）: ダイナミックコントラスト強調乳房MRIは、がんの診断とモニタリングの中心であるが、ガドリニウムベースのコントラスト剤が必要である。 本研究は,MAMA-SYNTHチャレンジにおけるコントラスト前乳房MRI合成について述べる。 FLUX.2-Klein-4Bに基づく条件付き潜水流マッチング手法MAMA-FLUX.2を提案する。 前コントラスト画像は空間条件として符号化され、モデルでは後コントラスト目標潜時に関連する流れ場を予測する。 事前訓練したモデルを効率よく適応するために,LoRAファインチューニングを用い,グローバルフローマッチング,腫瘍領域の監督,安定な前景正規化を組み合わせた地域訓練の目標を導入する。 さらに, 腫瘍関連指標を優先して, 軸スライスにおけるLoRAランク, 強度ウインドウ, および局所的損失量について検討した。 以上の結果より,中等度腫瘍と安定した地表面重み付けが画像の忠実度と腫瘍領域の精度のトレードオフを改善することが示唆された。 最終モデルは、LoRAランク/$α=64/64$, $\mathrm{MHA}_{\max}=25$, $λ_{\mathrm{tumor}}=0.25$, $λ_{\mathrm{stable}}=0.1$と最高の総合的バランスを達成する。 これらの結果は, パラメータ効率のよい微調整とタスク認識型局所的損失を用いて, コントラスト強調MRI合成に適応できることを示す。

関連論文リスト

• Pre- to Post-Contrast Synthesis of Breast DCE-MRI using Latent Bridge Matching [0.8910258272248508]
  コントラスト前画像からピーク強調乳房DCE-MRIを合成するための潜在ブリッジマッチングフレームワークを提案する。 潜伏UNetは、中間ブリッジ状態からピーク拡張潜伏状態への残りの補正を予測し、反復的な洗練を可能にする。
  論文  参考訳（メタデータ） (2026-08-07T14:46:32Z)
• TuLaBM: Tumor-Biased Latent Bridge Matching for Contrast-Enhanced MRI Synthesis [20.762246680129643]
  腫瘍性潜伏ブリッジマッチング法はBranian bridge transportとしてNC-to-CE MRIを翻訳する TuLaBMは、画像全体と腫瘍領域のメトリクスの両方で、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-03-19T18:22:09Z)
• A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis [38.31064949197421]
  MRIからCTへの変換にはGANアーキテクチャが提案されている。 我々は,3つの解剖学的領域にわたるSynthRAD2025データセットを用いて評価した10のGANのベンチマークを示す。
  論文  参考訳（メタデータ） (2026-03-13T18:54:20Z)
• Brain-WM: Brain Glioblastoma World Model [56.45393372490125]
  我々は、次世代治療予測と将来のMRI生成を統一する先駆的なGBMワールドモデルであるBrain-WMを提案する。 Brain-WMは、潜在ダイナミクスを共有潜在空間に符号化し、関節自己回帰治療予測とフローベース将来のMRI生成を行う。 最終的にBrain-WMは、患者医療を最適化するための堅牢な臨床サンドボックスを提供する。
  論文  参考訳（メタデータ） (2026-03-08T09:54:08Z)
• Revisiting Global Token Mixing in Task-Dependent MRI Restoration: Insights from Minimal Gated CNN Baselines [43.505945728449774]
  グローバルトークンミキシングはMRIの復元において一般的なモデル設計の選択肢となっている。 グローバルトークンミキシングは,各タスクにおいて,3つの代表的な設定で実際に有用かどうかを問う。 MRIの再生を高速化するために、最小限のアンロールゲート-CNNベースラインは、すでに非常に競争力がある。 制御された低パス劣化により、低周波k空間データがほとんど保存されている超解像の場合、局所ゲートモデルは競争力を維持する。 空間的ヘテロセダスティックノイズを発音する場合には,トークン混合モデルが最も高い総合的な性能が得られる。
  論文  参考訳（メタデータ） (2026-03-02T04:57:52Z)
• Comparing Conditional Diffusion Models for Synthesizing Contrast-Enhanced Breast MRI from Pre-Contrast Images [31.354231459573356]
  乳がんの診断と治療にはDCE(Dynamic contrast-enhanced)MRIが不可欠である。 しかし、コントラストエージェントへの依存は、安全性の懸念、禁忌、コストの増大、ワークフローの複雑さをもたらす。 DCE-MRIを合成するために,事前コントラスト条件付き拡散確率モデルを提案する。
  論文  参考訳（メタデータ） (2025-08-19T12:24:55Z)
• Cross-modality image synthesis from TOF-MRA to CTA using diffusion-based models [36.136619420474766]
  Computed Tomography Angiography (CTA) と Time-of-Flight Magnetic Resonance Angiography (TOF-MRA) は2つの一般的な非侵襲的血管造影技術である。 そこで本研究では,TOF-MRA入力から合成CTA画像を生成するために,拡散に基づく画像から画像への変換モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-16T08:43:37Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Towards Learning Contrast Kinetics with Multi-Condition Latent Diffusion Models [2.8981737432963506]
  DCE-MRI時間系列の時間条件画像合成が可能な潜時拡散モデルを提案する。 以上の結果から,本手法が現実的な多列性脂肪飽和乳房DCE-MRIを生成できることが示唆された。
  論文  参考訳（メタデータ） (2024-03-20T18:01:57Z)
• Exploring contrast generalisation in deep learning-based brain MRI-to-CT synthesis [0.0]
  MRIプロトコルは、経時的に変化するか、または低品質のsCTをもたらすセンターによって異なる可能性がある。 ドメインランダム化(DR)は、脳sCT生成のためのDLモデルの一般化を増大させる。
  論文  参考訳（メタデータ） (2023-03-17T18:45:05Z)
• 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)
• 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)

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。