論文の概要: Anguinus Sculpturae: Compositional Synthesis of Peak-Enhancement Breast DCE-MRI Scans

• arxiv url: http://arxiv.org/abs/2609.33611v1
• Date: Sun, 27 Sep 2026 14:27:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 15:16:17.351468
• Title: Anguinus Sculpturae: Compositional Synthesis of Peak-Enhancement Breast DCE-MRI Scans
• Title（参考訳）: Anguinus Sculpturae: Peak-Enhancement Breast DCE-MRIの合成
• Abstract要約: ピーク時乳房MRIの診断におけるMAMA-SYNTH課題に対処する。 拡散・流速整合の完全な機構を採用するのではなく, 直進経路の下では, 生成過程が1つの差分予測に崩壊するのが観察される。 Anguinus Sculpturaeは、nU-Netの病変、前庭および乳房領域が2つのジェネレータを誘導する構成パイプラインである。
• 参考スコア（独自算出の注目度）: 4.176716932876517
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Dynamic contrast-enhanced breast MRI (DCE-MRI) is rich in anatomical and perfusion information, but its reliance on gadolinium-based contrast agents raises safety concerns and adds cost. Virtual contrast enhancement, synthesizing post-contrast from pre-contrast images, is a promising alternative. We address the MAMA-SYNTH challenge task of predicting peak-enhancement breast MRI. Rather than adopting the full machinery of diffusion or flow matching, we observe that under a rectified, straight-line path the generative process collapses to a single difference prediction: the synthetic peak image is the pre-contrast image plus a predicted enhancement map, recovered in one forward pass. Around this we build Anguinus Sculpturae, a compositional pipeline in which nnU-Net segmentations of lesion, foreground and breast region guide two generators - one optimized for global fidelity, one for lesion structure through an asymmetric Tversky term routed via a frozen segmenter - composited region-wise with Gaussian-weighted blending. On the held-out Duke subset of MAMA-MIA our model achieves the best FRD and Dice among all evaluated variants, showing that single-step difference prediction with segmentation guidance suffices to recover both global fidelity and lesion structure. Code is available at https://github.com/MIC-DKFZ/AnguinusSculpturae.
• Abstract（参考訳）: ダイナミックコントラスト強調乳頭MRI(DCE-MRI)は解剖学的および灌流学的情報に富んでいるが、ガドリニウムをベースとした造影剤への依存は安全性を増し、コストを増大させる。 コントラスト前の画像からコントラスト後のコントラストを合成する仮想コントラスト拡張は、有望な代替手段である。 ピーク時乳房MRIの診断におけるMAMA-SYNTH課題に対処する。 拡散・流速整合の完全な機構を採用するのではなく, 補正された直線経路の下では, 生成過程が1つの差分予測に崩壊し, 合成ピーク画像は先行コントラスト画像であり, 予測された拡張マップであり, 1つの前方通過で復元される。 この周囲にAnguinus Sculpturaeという,病変のnU-Netセグメンテーション,前庭領域,乳房領域の2つのジェネレータを誘導する合成パイプラインを構築した。 本モデルでは,MAMA-MIAのDukeサブセットにおいて,すべての評価された変種の中で最高のFRDとDiceを達成し,大域的忠実度と病変構造の両方を回復するのに十分であるセグメンテーションガイダンスを用いた単一ステップ差分予測を行う。 コードはhttps://github.com/MIC-DKFZ/AnguinusSculpturaeで入手できる。

関連論文リスト

• MAMA-FLUX.2: Image-to-Image Synthesis of Post-Contrast Breast DCE-MRI for the MAMA-SYNTH Challenge [0.41171927271696834]
  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。
  論文  参考訳（メタデータ） (2026-08-26T11:26:29Z)
• MIRAGE: Multi-scale Lesion-Informed Representation with Auxiliary Guidance for MRI Contrast Enhancement [7.375452467540828]
  我々は,大域的再建と知覚的損失を3種類の病変認識監視と組み合わせた残存2次元U-NetであるMIRAGEを紹介する。 マルチ中心MAMA-SYNTHデータから, 8つの補完画像, 領域, 放射能, セグメンテーションに基づく測定値を用いて, 301症例について評価を行った。
  論文  参考訳（メタデータ） (2026-07-21T14:26:59Z)
• 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)
• Diffusion-Guided Mask-Consistent Paired Mixing for Endoscopic Image Segmentation [57.37991748282666]
  本稿では, 試料混合と拡散合成の強度を融合した拡散誘導型パラダイムを提案する。 各実画像について、合成対を同じマスクの下で生成し、その対をマスク一貫性ペアドミキシング(MCPMix)の制御可能な入力として使用する。 これは、共有幾何学の下で合成および実際の外観を円滑にブリッジする中間サンプルの連続的な族を生成する。
  論文  参考訳（メタデータ） (2025-11-05T06:14:19Z)
• 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)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• 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)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)

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。