論文の概要: Zero-Shot Brain MRI Inpainting with 2.5D Unconditional Flow Priors
- arxiv url: http://arxiv.org/abs/2610.08983v1
- Date: Tue, 06 Oct 2026 18:44:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.558627
- Title: Zero-Shot Brain MRI Inpainting with 2.5D Unconditional Flow Priors
- Title（参考訳）: 2.5次元非条件流によるゼロショット脳MRIの描出
- Abstract要約: 脳MRIボリュームの生成的着色は、病理領域の健康な組織を合成するのに不可欠である。
標準的な3D手法は計算が禁じられているが、効率的な2Dスライス法はスライス間の深刻な不連続に悩まされている。
2.5次元非条件流前処理を応用したゼロショット脳MRIインペインティングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.011612473194834808
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Generative inpainting of brain MRI volumes is essential for synthesizing healthy tissue in pathological regions, improving the accuracy and reliability of automated downstream brain analysis applications such as image registration, brain extraction, and segmentation. However, standard 3D approaches are computationally prohibitive, while efficient 2D slice-wise methods suffer from severe inter-slice discontinuities. Furthermore, traditional models rely on conditional training, requiring task-specific learning of masked inputs. We propose a zero-shot brain MRI inpainting framework utilizing 2.5D unconditional flow priors to capture spatial context along the superior-inferior axis without the overhead of full 3D convolutions. During training, our flow matching model learns the joint distribution of adjacent axial slice triplets, modeling the manifold of healthy brain anatomy while explicitly excluding pathological regions from the loss function. At inference, the model processes the input triplets autoregressively along the depth axis. We employ the Restora-Flow solver to constrain the unconditional prior using the input mask, achieving accurate zero-shot inpainting. Evaluations show our 2.5D strategy resolves the structural discontinuities of 2D baselines, synthesizing plausible healthy tissue while maintaining volumetric consistency across the axial, sagittal, and coronal planes. As a final step, we generate and average an ensemble of multiple stochastic reconstructions to form the final prediction. Quantitative results benchmarked on the official BraTS 2026 Inpainting Challenge validation set demonstrate the effectiveness of our proposed approach, yielding an SSIM of 0.816 $\pm$ 0.112, MSE of 0.007 $\pm$ 0.005, and PSNR of 22.923 $\pm$ 4.343. Code is available at https://github.com/imigraz/brats2026-inpainting.
- Abstract（参考訳）: 脳MRIボリュームの生成的着色は、病理領域で健康な組織を合成し、画像登録、脳抽出、セグメンテーションなどの自動下流脳分析アプリケーションの正確性と信頼性を向上させるために不可欠である。
しかし、標準的な3D手法は計算が禁じられているが、効率的な2Dスライスワイス法はスライス間の深刻な不連続に悩まされている。
さらに、従来のモデルは条件付きトレーニングに依存しており、マスク入力のタスク固有の学習を必要とする。
2.5次元非条件流を用いたゼロショット脳MRI塗装フレームワークを提案し,全3次元畳み込みのオーバーヘッドを伴わずに,上面軸に沿った空間的コンテキストを捉えた。
トレーニング中,フローマッチングモデルは隣接する軸方向スライス三重項の関節分布を学習し,正常な脳解剖の多様体をモデル化し,損失関数から病理領域を明示的に排除する。
推論において、モデルは入力三重項を深さ軸に沿って自己回帰的に処理する。
我々はRestora-Flowソルバを用いて、入力マスクを使用する前に無条件を制約し、正確なゼロショット塗装を実現する。
2.5D戦略は, 軸, 矢状面, 冠動脈面の容積整合性を維持しながら, 2次元ベースラインの構造的不連続を解消し, 可塑性健全な組織を合成する。
最終段階として、複数の確率的再構成のアンサンブルを生成し、平均的に予測する。
on the official BraTS 2026 Inpainting Challenge Validation set showed the effective of our approach, yield a SSIM of 0.816 $\pm$ 0.112, MSE of 0.007 $\pm$ 0.005, PSNR of 22.923 $\pm$ 4.343。
コードはhttps://github.com/imigraz/brats2026-inpainting.comから入手できる。
関連論文リスト
- Toward Training-Free Zero-Shot Anomaly Detection in 3D Medical Images: A Batch-Based Approach Using 2D Foundation Models [0.0]
2次元基礎モデルを用いた3次元医用画像の異常検出のためのトレーニングフリーフレームワークCS3Fを提案する。
Anomaly scores are obtained from cross-ject mutual similarity.
CS3Fは, 転移, グリオーマ, 脳卒中の脳MRIで評価し, 肺CTにて一般性試験を行った。
論文 参考訳（メタデータ） (2026-06-17T06:52:07Z) - Three-Dimensional Retinal Microvasculature Restoration in OCT Angiography [4.442929593591647]
本稿では,1つのOCTAボリュームから解剖学的血管を復元する深層学習アルゴリズムを提案する。
提案モデルでは,元のOCTAボリュームに比べて画質が大幅に向上した。
論文 参考訳（メタデータ） (2026-06-03T19:23:09Z) - D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。
提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
論文 参考訳（メタデータ） (2026-05-21T09:55:42Z) - Degradation-Aware Blur-Segmentation of Brain Tumor [6.772154747032075]
Degradation-Aware Blur-Segmentation Net (DABSeg) は、同期型3次元マルチモーダルMRIセグメンテーションネットワークである。
本稿では,ブラーとリバランスの強度を補正する特徴領域の運動分解ステムを提案する。
システムは、モダリティの効果的な相補性を得るために、ぼやけたクロスアテンションモジュールとマルチスケールの残留アグリゲーションを組み込む。
論文 参考訳（メタデータ） (2026-05-15T06:47:37Z) - DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。
マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。
本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
論文 参考訳（メタデータ） (2025-10-16T07:31:21Z) - Non-Intrusive Parametrized-Background Data-Weak Reconstruction of Cardiac Displacement Fields from Sparse MRI-like Observations [0.0]
非侵襲的パラメタライズド・データ・ウェイク(PBDW)法をMRIのような限られた観察から3次元心停止再建に応用した。
私たちの実装はソリューションスナップショットのみを必要とします -- 管理方程式、アセンブリルーチン、あるいはソルバアクセスは不要です。
本手法の有効性をシミュレーションした3次元左室モデルを用いて検証した。
論文 参考訳（メタデータ） (2025-09-18T11:10:24Z) - Synthesizing Accurate and Realistic T1-weighted Contrast-Enhanced MR Images using Posterior-Mean Rectified Flow [3.024548464833694]
造影強調(CE) T1強調MRIは神経腫瘍診断の中心であるが、ガドリニウムをベースとした薬剤が必要である。
非コントラスト入力からCE脳MRIを合成するための2段階後平均整流パイプラインを提案する。
論文 参考訳（メタデータ） (2025-08-18T05:55:57Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
論文 参考訳（メタデータ） (2023-08-03T21:56:50Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳（メタデータ） (2021-04-04T20:30:14Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z)
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。