論文の概要: Arbitrary-Scale Anisotropic 3D MRI Super-Resolution with Gaussian Prototypes

• arxiv url: http://arxiv.org/abs/2610.24858v1
• Date: Sat, 17 Oct 2026 20:18:08 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:39:39.387753
• Title: Arbitrary-Scale Anisotropic 3D MRI Super-Resolution with Gaussian Prototypes
• Title（参考訳）: ガウス原型を用いた任意等方性3次元MRI超解像
• Abstract要約: GSMR3Dは、任意の等方性および異方性分解能をMRIのコントラスト毎に単一のチェックポイントで再構成する連続体積モデルである。 我々は、臨床および人口ベースコホートから、T1強調3,731、T1強調30,254、T1強調30,254の脳MRIボリュームで別々のモデルを訓練する。 脳腫瘍の分節化,脳転移検出,脳のパーセレーションなどを用いて,等方性・面内・面内・面内・面内超解像の幾何学的スペシャリストに対するGSMR3Dの評価を行った。
• 参考スコア（独自算出の注目度）: 31.915962926617457
• License:
• Abstract: Reducing MRI acquisition time improves patient comfort, reduces motion artefacts, and increases scanner throughput. Clinical protocols often shorten acquisitions by sacrificing spatial resolution, particularly along the slice axis. Super-resolution can recover higher-resolution images, but existing methods are typically specialised to one scale or acquisition geometry, limiting their use across heterogeneous clinical protocols. We present GSMR3D, a continuous volumetric model that reconstructs arbitrary isotropic and anisotropic resolutions with a single checkpoint per MRI contrast. It combines a learned dictionary of anisotropic 3D Gaussian prototypes with scale-conditioned frequency encoding and an exact measurement-consistency projection, keeping reconstructions consistent with the acquired low-resolution data. We train separate models on 3,731 contrast-enhanced T1-weighted and 30,254 T1-weighted brain MRI volumes from clinical and population-based cohorts. We evaluate GSMR3D against geometry-specific specialists for isotropic, in-plane, and through-plane super-resolution using reconstruction quality and downstream tasks: brain tumour segmentation, brain-metastasis detection, and brain parcellation. GSMR3D outperforms specialists at isotropic $2\times$ and achieves better LPIPS, DISTS, and FID across all geometries, although specialists retain higher PSNR in anisotropic settings. It more faithfully preserves glioma segmentations across all geometries, achieves the highest lesion sensitivity on an independent brain-metastasis cohort, and the highest brain-parcellation agreement for isotropic and in-plane reconstruction. Reconstruction takes about 6s per volume, adding little overhead relative to acquisition-time savings. GSMR3D offers a flexible approach to MRI scan-time reduction with one model per contrast across geometries while preserving information relevant to downstream tasks.
• Abstract（参考訳）: MRI取得時間を短縮することで、患者の快適さが向上し、モーションアーティファクトが減少し、スキャナスループットが向上する。 臨床プロトコルはしばしば、特にスライス軸に沿った空間分解能を犠牲にして取得を短縮する。 超解像は高解像度の画像を復元することができるが、既存の手法は一般に1つのスケールまたは取得幾何学に特化しており、不均一な臨床プロトコルでの使用を制限する。 GSMR3Dは、任意の等方性および異方性分解能をMRIのコントラスト毎に単一のチェックポイントで再構成する連続体積モデルである。 異方性3Dガウスプロトタイプの学習辞書とスケールコンディショニングされた周波数符号化と正確な測定一貫性プロジェクションを組み合わせることで、取得した低解像度データと再構成を一致させる。 我々は、臨床および人口ベースコホートから、T1強調3,731、T1強調30,254、T1強調30,254の脳MRIボリュームで別々のモデルを訓練する。 脳腫瘍の分節化,脳転移検出,脳のパーセレーションなどを用いて,等方性・面内・面内・面内・面内超解像の幾何学的スペシャリストに対するGSMR3Dの評価を行った。 GSMR3Dは異方性2ドルの価格でスペシャリストより優れており、全ての測地でLPIPS、disTS、FIDが優れているが、スペシャリストは異方性設定でPSNRが高い。 全地形にわたってグリオーマのセグメンテーションを忠実に保存し、独立した脳-転移コホートに最も高い病変感度を達成し、等方性および面内再構成のための最も高い脳-パーセル化合意を達成している。 レコンストラクションはボリュームあたり約6秒を要し、買収時の節約と比べてオーバーヘッドはほとんどない。 GSMR3Dは、下流タスクに関連する情報を保存しながら、ジオメトリ間のコントラスト毎に1つのモデルでMRIスキャン時間短縮に柔軟なアプローチを提供する。

関連論文リスト

• UniField: A Unified Field-Aware MRI Enhancement Framework [45.03230466428695]
  methodnameは、複数のモダリティと拡張タスクを統合する統合フレームワークである。 我々は、事前学習した3D基礎モデルを利用して、総合的な3Dボリューム情報を利用する。 我々は,総合的なマルチフィールドMRIデータセットを編成し,公開する。
  論文  参考訳（メタデータ） (2026-03-10T05:45:12Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
  深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。 本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。 CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-12-13T08:31:46Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• 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)
• SIMPLE: Simultaneous Multi-Plane Self-Supervised Learning for Isotropic MRI Restoration from Anisotropic Data [1.980639720136382]
  従来のMRIスキャンでは、技術的制約により異方性データが得られることが多い。 超解像技術は、異方性データから等方性高解像度画像を再構成することでこれらの制限に対処することを目的としている。 異方性データから等方性MRIを復元する「SIMPLE」について紹介する。
  論文  参考訳（メタデータ） (2024-08-23T13:48:11Z)
• Two-and-a-half Order Score-based Model for Solving 3D Ill-posed Inverse Problems [7.074380879971194]
  本稿では,3次元ボリューム再構成のための2次半順序スコアベースモデル(TOSM)を提案する。 トレーニング期間中、TOSMは2次元空間のデータ分布を学習し、トレーニングの複雑さを低減する。 再構成フェーズでは、TOSMは3方向の相補的なスコアを利用して、3次元空間のデータ分布を更新する。
  論文  参考訳（メタデータ） (2023-08-16T17:07:40Z)
• Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain MRI [47.26574993639482]
  本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。 ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
  論文  参考訳（メタデータ） (2020-06-23T09:20:42Z)

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。