論文の概要: Anatomy-Aware Synthesis of Post-Contrast Breast MRI from Pre-Contrast Images

• arxiv url: http://arxiv.org/abs/2609.27015v1
• Date: Tue, 22 Sep 2026 19:57:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.745827
• Title: Anatomy-Aware Synthesis of Post-Contrast Breast MRI from Pre-Contrast Images
• Title（参考訳）: 前コントラスト画像を用いた造影後乳房MRIの解剖学的検討
• Abstract要約: このフレームワークは乳房マスクの整合性、病変領域の監督、BPE領域の監督を画像から画像への翻訳モデルに統合する。 提案手法は, Pix2Pix, Pix2PixHD, 拡散ベース合成, マスク制御ベースラインを画像全体および局所評価で上回る性能を示した。
• 参考スコア（独自算出の注目度）: 7.873028807089977
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We developed an anatomy-aware deep learning framework to synthesize post-contrast breast MRI from pre-contrast images, emphasizing tumor and background parenchymal enhancement (BPE) regions. This retrospective study included 649 patients with 6,251 paired pre-contrast and post-contrast images. The framework integrates breast mask consistency, lesion-region supervision, and BPE-region supervision into an image-to-image translation model. Evaluation included quantitative image quality metrics, a reader study with two breast radiologists, and downstream Ki-67 classification. The proposed method outperformed Pix2Pix, Pix2PixHD, diffusion-based synthesis, and mask-supervised baselines in whole-image and regional evaluations. Ki-67 classification showed no statistically significant performance differences across real- and synthetic-image training and testing settings, although this does not establish equivalence. These findings suggest that anatomy-aware supervision improves synthesis fidelity and support further investigation of synthetic post-contrast MRI for contrast-free imaging workflows.
• Abstract（参考訳）: 造影前画像から造影後乳房MRIを合成し,腫瘍とBPE領域を強調させる解剖学的深層学習フレームワークを開発した。 6,251対前コントラスト画像と後コントラスト画像の計649例を対象とした。 このフレームワークは乳房マスクの整合性、病変領域の監督、BPE領域の監督を画像から画像への翻訳モデルに統合する。 評価には、定量的な画像品質指標、2人の乳房放射線科医による読者調査、および下流のKi-67分類が含まれる。 提案手法は, Pix2Pix, Pix2PixHD, 拡散ベース合成, マスク制御ベースラインを画像全体および局所評価で上回る性能を示した。 Ki-67の分類は、実画像と合成画像の訓練およびテスト設定で統計的に有意な性能差は示さなかったが、同値性は確立されなかった。 以上の結果から, 解剖学的監視は合成忠実度を向上し, コントラスト後MRIによるコントラストのない画像ワークフローのさらなる研究を支援することが示唆された。

関連論文リスト

• Lesion-Gated Hybrid Synthesis for Virtual Contrast-Enhanced Breast MRI: A MAMA-SYNTH Challenge Solution [0.0]
  そこで我々は, 病変対応ハイブリッド合成パイプラインを開発した。 推論は1つのコントラスト前の2Dスライスを消費し、マスクがなく、コントラスト後のイメージがなく、画像幾何学以外の補助メタデータもない。
  論文  参考訳（メタデータ） (2026-09-18T09:53:32Z)
• 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)
• A Vision-language Framework for Comparative Reasoning in Radiology [68.52471827773482]
  我々は,放射線学的比較を実体認識のクロスイメージ推論問題として定式化する。 我々は,日常的な画像とレポートのペアから得られた大規模比較画像資源を構築した。 臨床類似症例の検索を制御可能なエンティティ対応ビジュアルエンコーダであるMedReCoを開発した。
  論文  参考訳（メタデータ） (2026-06-04T17:12:47Z)
• Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
  パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。 ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。 ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
  論文  参考訳（メタデータ） (2026-05-29T02:48:23Z)
• PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement [60.81732730684265]
  本稿では,高忠実度仮想コントラスト拡張(VCE)のための体積拡散フレームワークPHASORを紹介する。 我々は、CTボリュームをコヒーレントシーケンスとして扱うことにより、ビデオ拡散モデルを利用して、構造的コヒーレンスとボリューム精度を向上させる。 まず, 解剖学的意味論に固有の拡張パターンを固定し, 臓器特異的なメモリを付加して, より詳細な情報を収集する。 第二に、インテンシティ・フェイズ・アウェアメント・アライメント・アライメント(IP-REPA)は、不完全な空間アライメントの影響を緩和しつつ、複雑なコントラスト信号を強調する。
  論文  参考訳（メタデータ） (2026-04-01T15:57:18Z)
• Generating Synthetic Contrast-Enhanced Chest CT Images from Non-Contrast Scans Using Slice-Consistent Brownian Bridge Diffusion Network [4.663250708503928]
  非コントラストCTスキャンからコントラスト強調画像の合成のための最初のブリッジ拡散法を提案する。 従来のスライス法とは異なり,本フレームワークは高解像度2D方式で動作しながら,完全な3D解剖学的整合性を保っている。
  論文  参考訳（メタデータ） (2025-08-23T05:02:16Z)
• 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)
• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)

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。