論文の概要: Accurate MRI-free PET Quantification and Reliability Assessment via CT-to-MRI Synthesis and Conformal Prediction

• arxiv url: http://arxiv.org/abs/2610.40478v1
• Date: Thu, 29 Oct 2026 17:11:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 07:00:44.144931
• Title: Accurate MRI-free PET Quantification and Reliability Assessment via CT-to-MRI Synthesis and Conformal Prediction
• Title（参考訳）: CT-to-MRI合成とコンフォーマル予測による正確なMRIフリーPET定量化と信頼性評価
• Abstract要約: アミロイドPETの標準取り込み値比(SUVR)定量化は、一般的に被検体特異的なT1強調MRIに依存している。 MRIのないPET定量化のためのCT-to-MRI合成とコンフォメーション予測を併用し,信頼性評価を行った。
• 参考スコア（独自算出の注目度）: 1.3459256955813481
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Standardized uptake value ratio (SUVR) quantification of amyloid PET commonly relies on a subject-specific T1-weighted MRI, yet a usable MRI is not always available. We therefore combined CT-to-MRI synthesis with conformal prediction for MRI-free PET quantification with reliability assessment. A slice-consistent Brownian Bridge Diffusion Model was strengthened with multi-dataset training and data-source conditioning to enrich the anatomical prior learned from MRI, and with expanded multi-slice CT context to exploit the through-plane continuity of subject-specific anatomy in CT. Synthetic MRI was used for FreeSurfer-based anatomical parcellation and PET quantification, while deep-ensemble uncertainty was calibrated with conformal prediction to estimate a plausible range for the corresponding real MRI-based SUVR. On $^{11}$C-PiB PET from OASIS-3, the proposed method achieved the highest synthesis and parcellation fidelity among the compared methods. Mean cortical SUVR from the proposed synthetic MRI agreed closely with the real MRI-based reference (MAE $0.016 \pm 0.015$, Pearson $r = 0.9987$) and yielded the same amyloid-positivity classification as the real MRI in all 87 test subjects at the prespecified cut-off. Conformal prediction achieved empirical coverage close to the prespecified levels, and at 90% target coverage, 85 of 87 subjects had prediction intervals that supported an unambiguous amyloid-positivity decision. Zero-shot evaluation on an independent external cohort showed that the proposed CT-to-MRI model could support PET quantification without retraining, although conformal calibration required target-cohort recalibration to recover the intended coverage. These findings support CT-to-MRI-based MRI-free PET quantification as a promising approach for providing accurate SUVR measurements and an explicit assessment of their reliability.
• Abstract（参考訳）: アミロイドPETの標準取り込み値比(SUVR)定量化は、一般的に被検体特異的なT1強調MRIに依存している。 そこで我々はCT-to-MRI合成とコンフォメーション予測を併用し,MRIフリーPET定量化と信頼性評価を行った。 マルチデータセット・トレーニングとデータソース・コンディショニングによりスライス一貫性のあるブラウン橋拡散モデルが強化され,MRIから学んだ解剖学の精度が向上し,マルチスライスCTコンテキストが拡張され,CTにおける主観的解剖学の面内連続性を利用した。 合成MRIはFreeSurferによる解剖学的解析とPET定量化に用いられ,深層アンサンブルの不確実性はコンフォメーション予測で校正され,対応する実MRIベースのSUVRの有効な範囲を推定した。 OASIS-3の$^{11}$C-PiB PETにおいて,提案法は比較法の中で最も高い合成率とパーセル化率を達成した。 提案した合成MRIにおける平均皮質SUVRは, 実MRI基準 (MAE $0.016 \pm 0.015$, Pearson $r = 0.9987$) と密接に一致し, 所定のカットオフにおいて, 全87被験者において, 実MRIと同じアミロイド陽性分類を得た。 コンフォーマル予測は, 所定のレベルに近い経験的カバレッジを達成し, 対象範囲の90%では, 87名中85名が不明瞭なアミロイド陽性判定を支持する予測間隔を有していた。 独立した外部コホートを用いたゼロショット評価では,CT-to-MRIモデルがPET定量化をサポートできるが,コンフォメーションキャリブレーションでは対象コホートの再校正が必要であった。 以上より, CT-to-MRIによるMRIフリーPET定量化は, 正確なSUVR測定と信頼性の明確な評価を行う上で有望なアプローチであると考えられた。

関連論文リスト

• WASP: Weakly Aligned Spatiotemporal Pairs for Fetal Brain MRI-Ultrasound Learning [46.24086098046692]
  Weakly Aligned Spatiotemporal Pairs (WASP) は、エントロピー最適輸送問題としてクロスモーダル対応を定式化するためのフレームワークである。 プレトレーニング中にMRIがモデルに見当たらない場合,WASPは最大の利得が得られることを示す。
  論文  参考訳（メタデータ） (2026-10-03T15:41:00Z)
• Bridging Modalities on the Cortex: Surface-based MRI to PET Translation with a Diffusion Bridge [42.06716029758852]
  Fluorodeoxy Positron Emission Tomography (FDG-PET) により測定された皮質低代謝は、認知症診断のための高感度バイオマーカーである。 本稿では,MRI-PET翻訳のための新しい表面拡散ブリッジフレームワークDB-SUiTを提案する。 条件付き球面型U字型視覚変換器(SUiT)は複雑な相互モーダル関係をモデル化するように設計されている。
  論文  参考訳（メタデータ） (2026-09-17T12:38:33Z)
• Rendering Novel Views of MRI Using 3D Gaussian Splatting [54.6286495315908]
  3D Gaussian Splatting を用いて, スパース異方性MRIから画像再構成を行い, 臨床評価に関係する解剖学的に整合した画像面を採取, 描画した。 新しいビュープレーンは対象解剖の診断に最適であるが、元のMRIはそうではない。
  論文  参考訳（メタデータ） (2026-06-24T18:00:03Z)
• Spatio-Temporal Mixture-of-Modality-Experts Diffusion for Quantitative DCE-MRI Synthesis from Incomplete MR Sequences [2.4827516038838064]
  ST-MoMEは様々なサブセットから3次元DCEパラメータマップを合成する条件拡散フレームワークである。 3DパッチベースのトレーニングとSwinベースのバックボーンで、画像空間で直接拡散を行う。 正常化平均角誤差(NMSE)は,3つのDCEパラメータすべてで集計され,$v_p$および$v_e$での先行成績,$Kmathrmtrans$での競合成績,臨床的に重要な腫瘍領域における最小再構成誤差を達成している。
  論文  参考訳（メタデータ） (2026-06-24T08:10:27Z)
• Female-RHINO: A Real-Time Scanner-Integrated Framework for Automated Quantitative Uterine MRI Analysis and Structured Reporting [0.48435958653031097]
  女性RHINO: (R)eproductive (H)ealth (I)maging A(N)alysis T(O)ol, a real-time AI-assisted framework for automated quantitative uterine MRI analysis and structured reporting during image acquisition。
  論文  参考訳（メタデータ） (2026-06-23T10:22:25Z)
• A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis [38.31064949197421]
  MRIからCTへの変換にはGANアーキテクチャが提案されている。 我々は,3つの解剖学的領域にわたるSynthRAD2025データセットを用いて評価した10のGANのベンチマークを示す。
  論文  参考訳（メタデータ） (2026-03-13T18:54:20Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• Joint PET-MRI Reconstruction with Diffusion Stochastic Differential Model [19.062446884016854]
  PETは低信号対雑音比に苦しむ一方、MRIにおけるk空間データ取得プロセスは時間を要する。 PETとMRIの学習継手確率分布に基づく拡散微分方程式による新しい継手再構成モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-07T04:01:50Z)
• Joint Diffusion: Mutual Consistency-Driven Diffusion Model for PET-MRI Co-Reconstruction [19.790873500057355]
  この研究は、MRIを加速し、PET画像の品質を向上させることを目的としている。 従来のアプローチでは、PET-MRIシステム内の各モードを別々に再構成する。 相互整合駆動拡散モード(MC-Diffusion)を用いた新しいPET-MRI関節再建モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-24T13:26:53Z)
• Exploring contrast generalisation in deep learning-based brain MRI-to-CT synthesis [0.0]
  MRIプロトコルは、経時的に変化するか、または低品質のsCTをもたらすセンターによって異なる可能性がある。 ドメインランダム化(DR)は、脳sCT生成のためのDLモデルの一般化を増大させる。
  論文  参考訳（メタデータ） (2023-03-17T18:45:05Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。