brlp

潜在拡散と事前知識を用いた時空間的疾患進行モデルの強化

レミュエル・プグリジ, ダニエル・C・アレキサンダー, ダニエレ・ラヴィ

https://github.com/user-attachments/assets/28ad3693-5e3e-4f6e-9bbc-485424fbbee2

インストール • トレーニング • CLIアプリケーション • 引用方法

ニュース

🎉 BrLPはMICCAI 2025のメディア最優秀論文賞で準優勝を獲得しました！

🎉 私たちの拡張論文がMedical Image Analysis (IF=11.8*)に掲載決定！

🎉 バンダービルト大学からの新しい論文がBLSAデータセットで私たちの結果を再現しました！
🆕 BrLP CLIの簡単ガイドが公開されました！
🎉 BrLPはMICCAI最優秀論文賞にノミネートされ、ファイナリストに選出されました！（トップ<1%）
🎉 BrLPはMICCAI 2024で早期採択され、口頭発表に選ばれました！（トップ4%）

インストール

リポジトリをダウンロードし、プロジェクトフォルダにcdしてからbrlpパッケージをインストールしてください：

pip install -e .

別の環境を使用することをお勧めします（Anacondaを参照）。コードはpython 3.9でテストされていますが、より新しいバージョンでも動作することが期待されます。

データ準備

データ準備と研究の再現性に関するドキュメントをご覧ください。このファイルは、データの整理方法およびトレーニングパイプラインを実行するために必要なCSVファイルの作成方法を案内します。

トレーニング

BrLPのトレーニングは、後続のセクションで説明する3つの主要なフェーズがあります。補助モデルを除くすべてのトレーニングは、以下のように tensorboard を使用して監視できます：

tensorboard --logdir runs

Train the autoencoder

Follow the commands below to train the autoencoder.

# Create an output and a cache directory
mkdir ae_output ae_cache
Run the training script
python scripts/training/train_autoencoder.py \
  --dataset_csv /path/to/A.csv \
  --cache_dir   ./ae_cache \
  --output_dir  ./ae_output

次に、MRIデータから潜在変数を抽出します：

python scripts/prepare/extract_latents.py \
  --dataset_csv /path/to/A.csv \
  --aekl_ckpt   ae_output/autoencoder-ep-XXX.pth

XXX を置き換えて、お好みのオートエンコーダーチェックポイントを選択してください。

UNetのトレーニング

以下のコマンドに従って、拡散UNetをトレーニングします。XXX を置き換えて、お好みのオートエンコーダーチェックポイントを選択してください。

# Create an output and a cache directory:
mkdir unet_output unet_cache
Run the training script
python scripts/training/train_diffusion_unet.py \
  --dataset_csv /path/to/A.csv \
  --cache_dir   unet_cache \
  --output_dir  unet_output \
  --aekl_ckpt   ae_output/autoencoder-ep-XXX.pth

ControlNetをトレーニングする

以下のコマンドに従ってControlNetをトレーニングしてください。XXXを選択したオートエンコーダーとUNetのチェックポイントに置き換えてください。

# Create an output and a cache directory:
mkdir cnet_output cnet_cache
Run the training script
python scripts/training/train_controlnet.py \
  --dataset_csv /path/to/B.csv \
  --cache_dir   unet_cache \
  --output_dir  unet_output \
  --aekl_ckpt   ae_output/autoencoder-ep-XXX.pth \
  --diff_ckpt   unet_output/unet-ep-XXX.pth

補助モデル

以下のコマンドに従ってDCM補助モデルを訓練してください。

# Create an output directory
mkdir aux_output
Run the training script
python scripts/training/train_aux.py \
  --dataset_csv /path/to/A.csv \
  --output_path aux_output

私たちは、時間経過に伴う体積変化を予測できる任意の疾患進行モデルが、BrLPの補助モデルとしても有効であることを強調します。

推論

当パッケージには、BrLPを推論に使用するための brlp コマンドが付属しています。確認してください：

brlp --help

--input パラメータは、被験者の利用可能なすべてのデータを一覧にしたCSVファイルを必要とします。例については、examples/input.example.csv を参照してください。入力スキャンのセグメンテーションを行っていない場合、brlp は SynthSeg を使用してこの作業を実行できますが、FreeSurfer >= 7.4 のインストールが必要です。--confs パラメータはモデルへのパスやLAS $m$ などの他の推論パラメータを指定します。例については examples/confs.example.yaml を参照してください。

プログラムの実行例は以下の通りです：

inference-preview

事前学習済みモデル

BrLP用の事前学習済みモデルをダウンロードしてください：

| モデル | 重みのURL | | ---------------------- | ------------------------------------------------------------ | | オートエンコーダー | リンク | | ディフュージョンモデルUNet | リンク | | コントロールネット | リンク | | 補助モデル (DCM) | リンク |

謝辞

研究プロセスの加速に貢献しているオープンソースライブラリのメンテナに感謝します。特に MONAI とその GenerativeModels 拡張に特別な謝辞を捧げます。

引用

Medical Image Analysis:

@article{puglisi2025brain,
  title={Brain latent progression: Individual-based spatiotemporal disease progression on 3D brain MRIs via latent diffusion},
  author={Puglisi, Lemuel and Alexander, Daniel C and Rav{\\i}, Daniele},
  journal={Medical Image Analysis},
  year={2025}
}

MICCAI 2024 論文集：

@inproceedings{puglisi2024enhancing,
  title={Enhancing spatiotemporal disease progression models via latent diffusion and prior knowledge},
  author={Puglisi, Lemuel and Alexander, Daniel C and Rav{\\i}, Daniele},
  booktitle={International Conference on Medical Image Computing and Computer-Assisted Intervention},
  pages={173--183},
  year={2024},
  organization={Springer}
}

SPIE メディカルイメージング 2025 論文集:

@inproceedings{mcmaster2025technical,
  title={A technical assessment of latent diffusion for Alzheimer's disease progression},
  author={McMaster, Elyssa and Puglisi, Lemuel and Gao, Chenyu and Krishnan, Aravind R and Saunders, Adam M and Ravi, Daniele and Beason-Held, Lori L and Resnick, Susan M and Zuo, Lianrui and Moyer, Daniel and others},
  booktitle={Medical Imaging 2025: Image Processing},
  volume={13406},
  pages={505--513},
  year={2025},
  organization={SPIE}
}

--- Tranlated By Open Ai Tx | Last indexed: 2026-01-20 ---

BrLP

潜在拡散と事前知識を用いた時空間的疾患進行モデルの強化

レミュエル・プグリジ, ダニエル・C・アレキサンダー, ダニエレ・ラヴィ

目次

インストール

データ準備

トレーニング

Train the autoencoder

Run the training script

UNetのトレーニング

Run the training script

ControlNetをトレーニングする

Run the training script

補助モデル

Run the training script

推論

事前学習済みモデル

謝辞

引用