論文の概要: Diffusion-Based Synthesis of Complete 3D Biparametric Prostate MRI

• arxiv url: http://arxiv.org/abs/2610.31523v1
• Date: Thu, 22 Oct 2026 16:35:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.480322
• Title: Diffusion-Based Synthesis of Complete 3D Biparametric Prostate MRI
• Title（参考訳）: 拡散に基づく完全3次元バイパラメトリック前立腺MRIの合成
• Abstract要約: 合成バイパラメトリックMRI(bpMRI)は、ディープラーニングアプリケーションのための大規模および代表的な前立腺MRIデータセットの限られた可用性を軽減するのに役立つ。 解剖学的マスクからの完全前立腺bpMRI合成のための条件付き3次元拡散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）: 6.075314234644726
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthetic biparametric MRI (bpMRI) may help alleviate the limited availability of large and representative prostate MRI datasets for deep learning applications. In this work, we present a conditional 3D diffusion framework for anatomy-conditioned synthesis of complete prostate bpMRI from anatomical masks. The framework supports sequential synthesis, in which T2w and diffusion modalities are generated by separately trained models, and joint synthesis, in which all bpMRI modalities are generated simultaneously within a single model. Five configurations were trained using PI-CAI, FastMRI Prostate, and PROSTATEx datasets to investigate different conditioning schemes, target modalities, and synthesis strategies. Evaluation using distribution-based metrics, paired-image similarity, and qualitative assessment demonstrated the feasibility of both synthesis pathways. Joint synthesis achieved competitive distributional fidelity while generating complete bpMRI, whereas direct synthesis of ADC and computed high-b-value DWI outperformed their derivation from synthetic diffusion-weighted images.
• Abstract（参考訳）: 合成バイパラメトリックMRI(bpMRI)は、ディープラーニングアプリケーションのための大規模および代表的な前立腺MRIデータセットの限られた可用性を軽減するのに役立つ。 本研究では,解剖学的マスクからの完全前立腺bpMRI合成のための条件付き3次元拡散フレームワークを提案する。 このフレームワークは、T2wと拡散モダリティを個別に訓練されたモデルで生成する逐次合成と、すべてのbpMRIモダリティを単一のモデル内で同時に生成するジョイント合成をサポートする。 PI-CAI、FastMRI Prostate、Platatexの5つの設定をトレーニングし、異なる条件付けスキーム、ターゲットモダリティ、合成戦略を調査した。 分布に基づく測定,ペア画像の類似性,質的評価を用いて,両合成経路の有効性を実証した。 一方, ADCと計算された高b値DWIの直接合成は, 合成拡散強調画像よりも優れていた。

関連論文リスト

• Wavelet-Fusion Diffusion Model for Multimodal Brain MRI Synthesis with Modality and Metadata Conditioning [0.0]
  マルチモーダルMRI(Multimodal MRI)は、異なる画像モダリティが解剖学的、組織学的、病理学的特徴を捉える神経画像解析に補完的な情報を提供する。 大規模な構造MRIリソースはますます利用可能になっているが、そのモダリティのカバレッジは、パブリックおよびプール化されたニューロイメージングデータセットで不均一であることが多い。 本研究では,Wavelet-Fusion 変分オートエンコーダ (WF-VAE) と条件付き3次元U-Net拡散モデルを組み合わせた。
  論文  参考訳（メタデータ） (2026-05-30T11:57:27Z)
• Multimodal synthesis of MRI and tabular data with diffusion in a joint latent space via cross-attention [1.407401787551479]
  磁気共鳴画像(MRI)と表層臨床データを共同で合成する多モード潜時拡散モデルを提案する。 本モデルは拡散合成の前に2つのモードを融合するために変分オートエンコーダを用いる。 ドイツ国立コーホート(NAKO Gesundheitsstudie)のデータフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2026-05-05T08:30:20Z)
• Mamba-driven MRI-to-CT Synthesis for MRI-only Radiotherapy Planning [4.3531418255555545]
  マンバ (Mamba) は、モダリティ間翻訳のための状態空間モデルである。 We adapt the U-Mamba and the SegMamba architecture, originally proposed for segmentation, to perform cross-modality image generation。 私たちの3D Mambaアーキテクチャは、複雑な特徴と長距離ボリューム依存を効果的に捉え、正確なCT合成を可能にします。
  論文  参考訳（メタデータ） (2026-03-24T14:56:39Z)
• Pattern-Aware Diffusion Synthesis of fMRI/dMRI with Tissue and Microstructural Refinement [34.55493442995441]
  パターン認識型2次元モーダル3次元拡散フレームワークであるPSDを提案する。 また, 組織微細化ネットワークと高効率な組織微細化を一体化して, 組織微細化と微細化の維持を図っている。 PSNR/SSIMスコアはfMRI合成では29.83dB/90.84%、dMRI合成では30.00dB/77.55%である。
  論文  参考訳（メタデータ） (2025-11-07T03:51:00Z)
• SynBrain: Enhancing Visual-to-fMRI Synthesis via Probabilistic Representation Learning [54.390403684665834]
  視覚刺激が皮質反応にどのように変換されるかを理解することは、計算神経科学の基本的な課題である。 視覚的意味論から神経反応への変換を確率的かつ生物学的に解釈可能な方法でシミュレートする生成フレームワークであるSynBrainを提案する。 実験結果から,SynBrainは被写体特異的視覚-fMRI符号化性能において最先端の手法を超越していることが示された。
  論文  参考訳（メタデータ） (2025-08-14T03:01:05Z)
• Towards General Text-guided Image Synthesis for Customized Multimodal Brain MRI Generation [51.28453192441364]
  マルチモーダル脳磁気共鳴(MR)イメージングは神経科学や神経学において不可欠である。 現在のMR画像合成アプローチは、通常、特定のタスクのための独立したデータセットで訓練される。 テキスト誘導ユニバーサルMR画像合成モデルであるTUMSynについて述べる。
  論文  参考訳（メタデータ） (2024-09-25T11:14:47Z)
• SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
  本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。 提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。 科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
  論文  参考訳（メタデータ） (2024-02-27T06:32:56Z)
• Cycle-guided Denoising Diffusion Probability Model for 3D Cross-modality MRI Synthesis [1.9632065069564202]
  クロスモダリティMRI合成のためのサイクル誘導拡散確率モデル(CG-DDPM) 2つのDDPMが互いに条件付きで、2つの異なるMRIパルスシーケンスから合成画像を生成する。 2つのDDPMは、逆のプロセスでランダム潜時ノイズを交換し、DDPMを正規化し、2つのモードで一致する画像を生成するのに役立つ。
  論文  参考訳（メタデータ） (2023-04-28T18:28:54Z)
• Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
  信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。 モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-08-06T20:20:22Z)
• Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR Images using a GAN [59.60954255038335]
  提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-06-26T02:50:09Z)

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。