要約：ポジトロン放出断層撮影（PET）は、神経変性疾患の診断に広く認識されている技術であり、重要な機能的洞察を提供します。 しかし、その高コストと放射線曝露が普及の妨げになっています。 対照的に、磁気共鳴画像法（MRI）はこのような制限を伴いません。 MRIも神経変性の変化を検出しますが、診断の感度はPETと比較して低いです。 このような制限を克服するための一つのアプローチは、MRIから合成PETを生成することです。 最近の生成モデルの進歩は、モダリティ間の医用画像翻訳への道を開きました。しかし、既存の方法は主に構造的保存を強調する一方で、病理認識の重要性を欠いています。 このギャップを埋めるために、病理認識を強化した条件付き拡散モデルに基づく新しい画像翻訳フレームワークPASTAを提案します。 PASTAは、非常に高度にインタラクティブなデュアルアーム構造とマルチモーダル条件の統合によって、構造的および病理学的な詳細の両方を保持することで、最先端の手法を超えています。 さらに、サイクル交換整合性と体積生成戦略という新しい手法を導入し、PASTAの高品質な3D PET画像生成能力を大幅に向上させます。 私たちの定性的および定量的な結果は、合成PETスキャンの高品質と病理認識を示しています。 アルツハイマー病の診断では、これらの合成スキャンの性能はMRIを4%上回り、実際のPETの性能にほぼ迫っています。 私たちのコードはhttps://github.com/ai-med/PASTAで公開されています。
返却形式: {"translated": "翻訳されたHTML"}
