論文の概要: Medical Foundation Model Features as Perceptual Loss for Brain MRI Contrast Dose Simulation

• arxiv url: http://arxiv.org/abs/2608.28773v1
• Date: Fri, 28 Aug 2026 18:30:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.741284
• Title: Medical Foundation Model Features as Perceptual Loss for Brain MRI Contrast Dose Simulation
• Title（参考訳）: 脳MRIコントラスト線量シミュレーションにおける知覚的損失としての医療基礎モデルの特徴
• Abstract要約: ほとんどの知覚的損失は、VGG16やResNet50のような自然像のバックボーンで計算される。 このミスマッチは解剖学、コントラストの強化、獲得の多様性の監督を弱める可能性がある。 脳MRIの造影線量シミュレーションにおいて,医療基礎モデルの特徴がより適切な知覚的損失をもたらすかどうかを検証した。
• 参考スコア（独自算出の注目度）: 1.5123472914752591
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perceptual losses are widely used in medical image synthesis because they encourage agreement in high-level structure beyond voxel-wise intensity similarity. In practice, most perceptual losses are still computed with natural-image backbones such as VGG16 or ResNet50, even when the target domain is magnetic resonance imaging (MRI). This mismatch may weaken supervision for anatomy, contrast enhancement, and acquisition variability. We test whether medical foundation model features provide a more suitable perceptual loss for brain MRI contrast dose simulation. The study has two stages. First, we compare RadImageNet, SegVol, and BrainIAC with ImageNet-pretrained VGG16 and ResNet50 as frozen feature extractors on four public medical imaging benchmarks: thyroid ultrasound, breast ultrasound, anterior cruciate ligament knee MRI, and meniscus knee MRI. RadImageNet achieves the lowest mean rank across the Stage I representation suite and is selected as $φ^\star$. Second, we replace only the VGG16 feature extractor in an existing iterative brain MRI dose simulation framework with $φ^\star$. The generator, reconstruction loss, adversarial loss, auxiliary losses, optimization schedule, and loss weights are kept unchanged. Standard metrics change modestly, with PSNR increasing from 41.63 to 41.74, SSIM from 0.9739 to 0.9754, RMSE decreasing from 0.1384 to 0.1369, and residual-uptake CNR from 0.0085 to 0.0082. The visual results show the main effect: RadImageNet reduces residual enhancement in marked structures, follows a more faithful dose-reduction trajectory, and remains close to the acquired 10% low-dose target. These results support domain-aligned radiology features as a practical perceptual feature space for MRI dose simulation, while leaving clinical equivalence and larger-cohort validation as future work.
• Abstract（参考訳）: 知覚的損失は、voxel-wise intensity similarity以上の高次構造における一致を促進するため、医用画像合成において広く用いられている。 実際には、ほとんどの知覚的損失は、目標領域がMRI(MRI)であっても、VGG16やResNet50のような自然像のバックボーンで計算される。 このミスマッチは解剖学、コントラストの強化、獲得の多様性の監督を弱める可能性がある。 脳MRIの造影線量シミュレーションにおいて,医療基礎モデルの特徴がより適切な知覚的損失をもたらすかどうかを検証した。 研究には2つの段階がある。 まず、RadImageNet、SegVol、BrainIACと、ImageNetが事前訓練したVGG16、ResNet50を、甲状腺超音波、乳房超音波、前十字靭帯膝MRI、半月板膝MRIの4つの公的画像診断ベンチマークで凍結した特徴抽出器として比較した。 RadImageNetはStage I表現スイートで最低ランクを獲得し、$φ^\star$として選択される。 第2に、既存の反復脳MRI線量シミュレーションフレームワークにおけるVGG16特徴抽出器のみを$φ^\star$で置き換える。 発電機、復元損失、対向損失、補助損失、最適化スケジュール、損失重量は変化しない。 PSNRは41.63から41.74に増加し、SSIMは0.9739から0.9754に、RMSEは0.1384から0.1369に、CNRは0.0085から0.0082に減少した。 RadImageNetは、マークされた構造の残留的な増強を減らし、より忠実な線量減少軌道を辿り、取得した10%の低用量目標に近づいたままである。 これらの結果は,MRI線量シミュレーションの実用的特徴空間としての領域整列放射線学の特徴を支持しつつ,臨床等価性や今後の研究としての大きなコホート検証を残している。

関連論文リスト

• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Faithful Synthesis of Low-dose Contrast-enhanced Brain MRI Scans using Noise-preserving Conditional GANs [102.47542231659521]
  ガドリニウム系造影剤(GBCA)は様々な疾患の診断にMRIにおいて不可欠である。 GBCAは高価であり、副作用のある患者に蓄積される可能性がある。 診断値を維持しながらGBCAの投与量をどの程度削減できるかは不明確である。
  論文  参考訳（メタデータ） (2023-06-26T13:19:37Z)
• Reconstruction of Cardiac Cine MRI Using Motion-Guided Deformable Alignment and Multi-Resolution Fusion [4.828904401099519]
  心血管MRIの再構成を改善するために,新しいエンド・ツー・エンド深層学習ネットワークを開発した。 提案手法は, よりリッチな細部と, 異なる加速度による心血管MRI再建のためのアーティファクトの少ない高品質な結果を示す。
  論文  参考訳（メタデータ） (2023-03-09T01:03:35Z)
• Synthetic Low-Field MRI Super-Resolution Via Nested U-Net Architecture [0.0]
  本研究の目的は、低磁場MRIスキャンのSNRと画像品質を改善し、診断能力を向上することである。 我々は,従来提案していた深層学習手法を,平均PSNR78.83,SSIM0.9551で上回るNested U-Netニューラルネットワークアーキテクチャ超解法を提案する。
  論文  参考訳（メタデータ） (2022-11-28T04:09:21Z)
• Model-Guided Multi-Contrast Deep Unfolding Network for MRI Super-resolution Reconstruction [68.80715727288514]
  MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。 本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
  論文  参考訳（メタデータ） (2022-09-15T03:58:30Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• 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)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Impact of loss functions on the performance of a deep neural network designed to restore low-dose digital mammography [8.041868861658]
  階層的なスキップ接続を持つResNetアーキテクチャは、低線量デジタルマンモグラフィーを復元するために提案されている。 振り返りマンモグラフィ検査の400枚の画像から256,000枚の画像パッチを抽出した。 実際のシナリオでネットワークを検証するために、実際の低線量および標準のフル線量画像を取得するために、物理的人為的母乳ファントムを使用した。
  論文  参考訳（メタデータ） (2021-11-12T14:15:08Z)
• Generative Adversarial Networks (GAN) Powered Fast Magnetic Resonance Imaging -- Mini Review, Comparison and Perspectives [5.3148259096171175]
  MRIの欠点の1つは、他の画像モダリティに比べて比較的遅いスキャンと再構成である。 ディープニューラルネットワーク(DNN)は、比較的高品質な画像を再現するスパースMRI再構成モデルに使われてきた。 画像の知覚品質を向上した高速MRIを実現するために,GAN(Generative Adversarial Networks)に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T23:59:00Z)
• Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
  我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。 低解像を補うための強力な深層学習に基づく画像強化手法を検討する。 復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
  論文  参考訳（メタデータ） (2021-03-04T10:45:01Z)

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。