超低磁場MRIは神経画像診断への世界的なアクセスを広げる一方で、信号対雑音比の低さ、コントラストの低下、スライス厚の大きさという課題を抱えている。回帰ベースの超解像はセグメンテーションに必要な解剖学的詳細を復元できるものの、単一の決定論的推定値しか返さず、低磁場入力では解剖が未決定となる領域を提示できない。
生成的拡散モデルは、妥当な高磁場画像の事後分布をサンプリングすることで、こうした解剖学的な曖昧さを定量化する別の道を提供する。しかし、3次元全脳MRIへの適用は、メモリのボトルネック、サンプリングの遅さ、スキャナ間のドメインシフトによって制限されてきた。
そこで著者らは、これらを克服する三つの工夫を組み合わせた3次元残差ウェーブレット拡散モデルを提案する。第一に、可逆ウェーブレット再パラメータ化によって空間グリッドを縮小し、全脳を単一GPUに収める。第二に、残差シフトが低磁場入力を起点とすることでサンプリングを加速する。第三に、ドメインランダム化がペアのない学習データでもスキャナ汎化を促す。
高磁場参照画像はボクセル整列されたグラウンドトゥルースではないため、評価は下流の体積的一致度に基づいて行われる。0.064Tと3Tで撮像された健常コホート（n=19）において、本手法は主要な汎用回帰手法と体積精度で同等でありながら、未決定領域を可視化するボクセル単位の不確かさマップを追加で生成する。
さらに、認知機能障害を持つ参加者の予備データセット（n=11）では、疾患に関連する萎縮が健康な事前分布へ正規化されることなく保持された。この性質は臨床的に意味のある形態解析にとって重要である。
本フレームワークは、体積精度を犠牲にすることなく、低磁場超解像に全脳の事後サンプリングをもたらす。論文は11ページ、図3点、表1点からなり、SASHIMI 2026（MICCAI 2026ワークショップ）に採択された査読投稿版である。arXiv:2609.25319として2026年9月21日に提出され、コンピュータビジョンとパターン認識（cs.CV）に分類されている。