大きさのみのMRI画像からの位相マップ合成：加速MRI再構成モデルの学習への応用を伴う条件付きスコアベース拡散モデル
arXiv cs.CV / 2026/5/5
📰 ニュースDeveloper Stack & InfrastructureTools & Practical UsageModels & Research
要点
- 本論文は、条件付きスコアベース拡散モデル（SBDM）により、位相情報が欠けた大きさ（マグニチュード）のみのMR画像から、入力に整合する現実的な位相マップを合成する手法を提案している。
- 臨床では保存・プライバシー上の理由から生のk空間データが廃棄されがちであり、大きさ画像だけの登録データを活用して汎用的なDLベース再構成を学習する必要があるという課題に対処する。
- 合成した位相マップを用いて大規模なk空間データセットを生成し、それを加速MRI再構成用の深層学習モデルの学習に利用する。
- 実験では、(a) 平滑な位相を仮定する単純手法、(b) GANで生成した位相マップで作ったk空間学習データ、(c) 真値のk空間データで学習する場合と比較し、SBDM由来の学習データが定量指標と再構成の忠実性（誤った/幻覚的特徴の有無）で他を上回ることを示している。
- 要点は、限られた、あるいはセンシティブなk空間データへの依存を減らしつつ、大きさのみのデータから加速MRI再構成の学習をより汎用化できる点にある。
