FlowLet: ウェーブレットフローマッチングを用いた条件付き3D脳MRI合成

要旨

脳磁気共鳴画像法（MRI）は、神経発達、老化、疾患の研究において中心的な役割を果たしている。その主要な応用の一つに脳年齢予測（BAP）があり、MRIデータから個人の生物学的脳年齢を推定する。効果的なBAPモデルには、大規模で多様性があり、年齢バランスの取れたデータセットが必要であるが、既存の3D MRIデータセットは人口統計的に偏っており、公平性と一般化可能性を制限している。新たなデータの取得にはコストと倫理的制約が伴うため、生成型データ拡張が動機づけられている。現在の生成手法は、多くの場合、潜在拡散モデルに基づいており、体積MRIデータのメモリ要求に対処するために、学習された低次元潜在空間で動作する。しかし、これらの手法は推論時に通常遅く、潜在圧縮によるアーティファクトを導入する可能性があり、年齢に条件付けされることは稀であり、その結果BAPの性能に影響を与える。本研究では、FlowLetを提案する。これは、可逆的な3Dウェーブレット領域内でのフローマッチングを活用し、再構成アーティファクトを回避し計算要求を低減しながら、年齢条件付きの3D MRIを合成する条件付き生成フレームワークである。実験により、FlowLetは少ないサンプリングステップで高忠実度のボリュームを生成することが示される。FlowLetで生成されたデータを用いてBAPモデルを訓練すると、過小評価された年齢層の性能が向上し、領域ベースの分析により解剖学的構造の保存が確認される。

English

Brain Magnetic Resonance Imaging (MRI) plays a central role in studying neurological development, aging, and diseases. One key application is Brain Age Prediction (BAP), which estimates an individual's biological brain age from MRI data. Effective BAP models require large, diverse, and age-balanced datasets, whereas existing 3D MRI datasets are demographically skewed, limiting fairness and generalizability. Acquiring new data is costly and ethically constrained, motivating generative data augmentation. Current generative methods are often based on latent diffusion models, which operate in learned low dimensional latent spaces to address the memory demands of volumetric MRI data. However, these methods are typically slow at inference, may introduce artifacts due to latent compression, and are rarely conditioned on age, thereby affecting the BAP performance. In this work, we propose FlowLet, a conditional generative framework that synthesizes age-conditioned 3D MRIs by leveraging flow matching within an invertible 3D wavelet domain, helping to avoid reconstruction artifacts and reducing computational demands. Experiments show that FlowLet generates high-fidelity volumes with few sampling steps. Training BAP models with data generated by FlowLet improves performance for underrepresented age groups, and region-based analysis confirms preservation of anatomical structures.