論文の概要: Compressive MRI quantification using convex spatiotemporal priors and deep auto-encoders

• arxiv url: http://arxiv.org/abs/2001.08746v2
• Date: Tue, 21 Apr 2020 20:09:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-07 12:55:42.171515
• Title: Compressive MRI quantification using convex spatiotemporal priors and deep auto-encoders
• Title（参考訳）: 凸時空間と深部自己エンコーダを用いた圧縮MRI定量化
• Authors: Mohammad Golbabaee, Guido Buonincontri, Carolin Pirkl, Marion Menzel, Bjoern Menze, Mike Davies, Pedro Gomez
• Abstract要約: マルチパラメトリック画像計算のための辞書不要パイプラインを提案する。 提案手法は,圧縮型センシング再構成と定量的推論の2段階からなる。
• 参考スコア（独自算出の注目度）: 2.5060548079588516
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a dictionary-matching-free pipeline for multi-parametric quantitative MRI image computing. Our approach has two stages based on compressed sensing reconstruction and deep learned quantitative inference. The reconstruction phase is convex and incorporates efficient spatiotemporal regularisations within an accelerated iterative shrinkage algorithm. This minimises the under-sampling (aliasing) artefacts from aggressively short scan times. The learned quantitative inference phase is purely trained on physical simulations (Bloch equations) that are flexible for producing rich training samples. We propose a deep and compact auto-encoder network with residual blocks in order to embed Bloch manifold projections through multiscale piecewise affine approximations, and to replace the nonscalable dictionary-matching baseline. Tested on a number of datasets we demonstrate effectiveness of the proposed scheme for recovering accurate and consistent quantitative information from novel and aggressively subsampled 2D/3D quantitative MRI acquisition protocols.
• Abstract（参考訳）: マルチパラメトリックな定量的MRI画像計算のための辞書マッチングフリーパイプラインを提案する。 本手法は圧縮センシング再構成と深層学習量的推論に基づく2つの段階を有する。 再構成フェーズは凸であり、高速化された反復収縮アルゴリズムに効率的な時空間正規化を組み込む。 これは、アンダーサンプリング(エイリアス)アーティファクトを積極的に短いスキャン時間から最小化する。 学習された定量的推論フェーズは、リッチなトレーニングサンプルを生成するために柔軟な物理シミュレーション(Bloch equations)に基づいて純粋に訓練される。 本稿では,マルチスケール分割アフィン近似によるブロッホ多様体射影を埋め込み,非スカラブルな辞書マッチングベースラインを置き換えるために,残差ブロックを持つ深部かつコンパクトなオートエンコーダネットワークを提案する。 提案手法の有効性を検証し,新しい2D/3D定量的MRI取得プロトコルから正確で一貫した定量的情報を復元する手法を提案する。

関連論文リスト

• A DeepParticle method for learning and generating aggregation patterns in multi-dimensional Keller-Segel chemotaxis systems [3.6184545598911724]
  ケラー・セガル (KS) ケモタキシー系の2次元および3次元における凝集パターンと近傍特異解の正則化相互作用粒子法について検討した。 さらに,物理パラメータの異なる解を学習し,生成するためのDeepParticle (DP) 法を開発した。
  論文  参考訳（メタデータ） (2022-08-31T20:52:01Z)
• Autoencoding Low-Resolution MRI for Semantically Smooth Interpolation of Anisotropic MRI [1.281734910003263]
  符号化された低解像度例から新しい中間スライスを合成する教師なしのディープラーニングセマンティックアプローチを提案する。 この手法は, 立方体Bスプライン法よりも構造類似度指数測定とピーク信号対雑音比で有意に優れた結果が得られる。
  論文  参考訳（メタデータ） (2022-02-18T15:40:00Z)
• A Plug-and-Play Approach to Multiparametric Quantitative MRI: Image Reconstruction using Pre-Trained Deep Denoisers [4.910318162000904]
  本稿では,先進的獲得プロセスに適応したMDFに対する反復的深層学習再構築手法を提案する。 CNNデノイザモデルは、異なるサブサンプリングパターンを持つ2つの模擬取得プロセスでテストされる。 以上の結果から, 買収方式と組織量的バイオプロパティの正確なマッピングに対する一貫した除去性能が示された。
  論文  参考訳（メタデータ） (2022-02-10T09:35:25Z)
• Communication-Efficient Federated Learning via Quantized Compressed Sensing [82.10695943017907]
  提案フレームワークは,無線機器の勾配圧縮とパラメータサーバの勾配再構成からなる。 勾配スペーシフィケーションと量子化により、我々の戦略は1ビット勾配圧縮よりも高い圧縮比を達成することができる。 圧縮を行わない場合とほぼ同じ性能を実現できることを示す。
  論文  参考訳（メタデータ） (2021-11-30T02:13:54Z)
• Mixed Precision Low-bit Quantization of Neural Network Language Models for Speech Recognition [67.95996816744251]
  長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。 現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。 本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T12:24:02Z)
• SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
  既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。 KRRのストリーミング版であるStreaMRAKを提案する。 本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
  論文  参考訳（メタデータ） (2021-08-23T21:03:09Z)
• Quantized Proximal Averaging Network for Analysis Sparse Coding [23.080395291046408]
  反復アルゴリズムをトレーニング可能なネットワークに展開し,量子化前にスパーシティの学習を容易にする。 圧縮画像回復と磁気共鳴画像再構成への応用を実証する。
  論文  参考訳（メタデータ） (2021-05-13T12:05:35Z)
• Learning Optical Flow from a Few Matches [67.83633948984954]
  密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。 実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
  論文  参考訳（メタデータ） (2021-04-05T21:44:00Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
  スパースサンプリングされた場所のみの機能を計算することを提案する。 次に、効率的な手順で特徴写像を密に再構築する。 提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
  論文  参考訳（メタデータ） (2020-03-19T15:36:31Z)
• Variational Bayesian Quantization [31.999462074510305]
  訓練されたモデルにおける連続潜伏表現の定量化のための新しいアルゴリズムを提案する。 固定量子化スキームにモデルを組み込む現在のエンドツーエンドのニューラル圧縮法とは異なり、我々のアルゴリズムはモデル設計とトレーニングを量子化から分離する。 我々のアルゴリズムは連続領域への算術符号の新たな拡張と見なすことができる。
  論文  参考訳（メタデータ） (2020-02-18T00:15:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。