論文の概要: AWR-Net: Decoupling Anatomy and Appearance for 3D Fetal Brain Ultrasound Synthesis

• arxiv url: http://arxiv.org/abs/2609.22635v1
• Date: Fri, 18 Sep 2026 22:51:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.50953
• Title: AWR-Net: Decoupling Anatomy and Appearance for 3D Fetal Brain Ultrasound Synthesis
• Title（参考訳）: AWR-Net:3次元胎児脳超音波合成のための解剖と外観の分離
• Abstract要約: 3次元胎児脳超音波は、包括的な解剖学的評価のために、豊富な空間情報を備えた非イオン化、費用対効果の画像を提供する。 胎児脳MRIは、より大きなデータセットと成熟した分析手法によって支援され、さらに進歩した。 これらの資源を活用するため、解剖学的ラベルマップは胎児脳磁気共鳴画像から超音波へ知識を伝達するための有望なモダリティ不変橋を提供する。
• 参考スコア（独自算出の注目度）: 8.906407721767794
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Three-dimensional fetal brain ultrasound offers non-ionizing, cost-effective imaging with rich spatial information for comprehensive anatomical assessment, yet its development remains limited by scarce data and annotations. In contrast, fetal brain magnetic resonance imaging has advanced further, supported by larger datasets and mature analysis methods. To leverage these resources, anatomical label maps provide a promising modality-invariant bridge for transferring knowledge from fetal brain magnetic resonance imaging to ultrasound. However, generating ultrasound images from label maps remains challenging because anatomy is tightly entangled with ultrasound appearance. To address this challenge, we separate anatomical correspondence learning from ultrasound appearance adaptation at both the data and model levels. Specifically, we propose the anatomy wavelet residual network, a two-stage framework combining wavelet diffusion and residual refinement. The first stage learns to generate volumes from label maps using atlas pairs in the wavelet domain, while the second stage learns bounded residual corrections from real clinical ultrasound in the image domain. This separation enables realistic synthesis with consistent preservation of normal and abnormal anatomy. Experiments on real fetal brain ultrasound show that our method outperforms representative synthesis methods, with normalized cross correlation of 0.518 versus 0.482 and Fréchet Inception Distance of 8.905 versus 13.319 for the strongest baseline. Beyond synthesis quality, volumes generated from fetal brain magnetic resonance imaging label maps also improve downstream segmentation, particularly for severe abnormal cases. Overall, these results highlight the potential of the proposed framework to leverage rich fetal brain magnetic resonance imaging resources for advancing three-dimensional ultrasound analysis.
• Abstract（参考訳）: 3次元胎児脳超音波検査は、高度な空間情報を用いた非イオン化・費用対効果画像を提供し、解剖学的評価を包括的に行うが、その発達は少ないデータとアノテーションによって制限されている。 対照的に、胎児脳MRIはより大きなデータセットと成熟した分析手法によって支援され、さらに進歩している。 これらの資源を活用するため、解剖学的ラベルマップは胎児脳磁気共鳴画像から超音波へ知識を伝達するための有望なモダリティ不変橋を提供する。 しかし, 超音波像をラベルマップから生成することは, 解剖学的に超音波像と強く絡み合っているため, 依然として困難である。 この課題に対処するために、我々は、超音波の出現適応から、データレベルとモデルレベルの両方で解剖学的対応学習を分離する。 具体的には、ウェーブレット拡散と残留微細化を組み合わせた2段階の枠組みである、解剖学的ウェーブレット残留ネットワークを提案する。 第1段階はウェーブレット領域のアトラスペアを用いてラベルマップからボリュームを生成することを学習し、第2段階は画像領域の実際の臨床超音波から有界残差補正を学習する。 この分離により、正常および異常な解剖の一貫して保存された現実的な合成が可能になる。 実胎児脳超音波実験の結果,本法は0.518対0.482対Fréchet Inception Distanceが8.905対13.319と最強のベースラインでは0.518対0.5482対Fréchet Inception Distanceが,代表合成法よりも優れていた。 合成品質の他に、胎児脳磁気共鳴画像ラベルマップから生成された体積も下流のセグメンテーションを改善しており、特に重篤な症例では顕著である。 以上の結果から,3次元超音波解析の進歩に富んだ胎児脳磁気共鳴画像資源を活用するための枠組みが提案される可能性が示唆された。

関連論文リスト

• Rendering Novel Views of MRI Using 3D Gaussian Splatting [54.6286495315908]
  3D Gaussian Splatting を用いて, スパース異方性MRIから画像再構成を行い, 臨床評価に関係する解剖学的に整合した画像面を採取, 描画した。 新しいビュープレーンは対象解剖の診断に最適であるが、元のMRIはそうではない。
  論文  参考訳（メタデータ） (2026-06-24T18:00:03Z)
• OSCAR: Occupancy-based Shape Completion via Acoustic Neural Implicit Representations [35.20946695773807]
  そこで本研究では, 超音波部分観察から3次元解剖学的形状を再構築する, 占有率に基づく形状完備化手法を提案する。 提案手法では,画像から直接解剖学的表面を抽出し,推論中の解剖学的ラベルの必要性を回避する。 本手法は,Bモード超音波の最先端形状完成度をHD95スコアで80%向上することを示す。
  論文  参考訳（メタデータ） (2026-03-09T11:51:56Z)
• US-X Complete: A Multi-Modal Approach to Anatomical 3D Shape Recovery [38.0728021642047]
  本稿では,3次元超音波における閉塞型解剖構造を完遂するための新しいマルチモーダル学習法を提案する。 我々は,(1)X線スキャンをシミュレートする2次元側方椎体ビューと(2)部分椎体表現からなるペアトレーニングデータを生成する。 本手法は画像モダリティの両面で形態情報を統合し, 脊椎再建において有意な改善が認められた。
  論文  参考訳（メタデータ） (2025-11-19T16:45:04Z)
• BrainPuzzle: Hybrid Physics and Data-Driven Reconstruction for Transcranial Ultrasound Tomography [33.105665628349946]
  この研究は、脳の正確な音速マップを再構築することで、定量的な経頭蓋超音波を実現することを目的としている。 BrainPuzzleは、物理モデリングと機械学習を組み合わせたハイブリッド2段階フレームワークである。 2つの合成データセットの実験により、BrainPuzzleはより優れたSoS再構成精度と画像完全性を達成することが示された。
  論文  参考訳（メタデータ） (2025-10-22T21:15:55Z)
• Translation of Fetal Brain Ultrasound Images into Pseudo-MRI Images using Artificial Intelligence [0.0]
  第3三期では、胎児の脳の複雑さは定量的データを抽出するために高い画像品質を必要とする。 対照的に、MRI(MRI)は優れた画像品質と組織分化を提供するが、利用できなく、高価であり、時間を要する。
  論文  参考訳（メタデータ） (2025-04-03T08:59:33Z)
• Real-time volumetric free-hand ultrasound imaging for large-sized organs: A study of imaging the whole spine [20.706228114101464]
  3次元超音波イメージングは、構造観察と測定における従来の2次元超音波イメージングの限界を克服することができる。 大型臓器の体積超音波画像撮影は, 長い取得時間, 避けられない患者の動き, 3D特徴認識などの困難に直面している。 以上の課題に最適化された実時間容積自由手超音波画像システムを提案し,その臨床診断に応用した。
  論文  参考訳（メタデータ） (2024-11-25T06:40:29Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)
• XraySyn: Realistic View Synthesis From a Single Radiograph Through CT Priors [118.27130593216096]
  放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。 私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。 本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
  論文  参考訳（メタデータ） (2020-12-04T05:08:53Z)

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。