論文の概要: Free-breathing Cardiovascular MRI Using a Plug-and-Play Method with Learned Denoiser

• arxiv url: http://arxiv.org/abs/2002.03226v1
• Date: Sat, 8 Feb 2020 20:27:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 22:47:11.769100
• Title: Free-breathing Cardiovascular MRI Using a Plug-and-Play Method with Learned Denoiser
• Title（参考訳）: 学習型デノイザーを用いたプラグアンドプレイ法による自由呼吸型心血管MRI
• Authors: Sizhuo Liu, Edward Reehorst, Philip Schniter, and Rizwan Ahmad
• Abstract要約: 磁気共鳴画像(CMR)の臨床的有用性は、長い取得時間によって妨げられる。 本研究では,マルチコイルサブルーチン下でのCMR再構成のためのプラグアンドプレイ手法を提案する。 その結果, RT CMRを加速するDL-DLの可能性が浮かび上がった。
• 参考スコア（独自算出の注目度）: 11.273082537280766
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cardiac magnetic resonance imaging (CMR) is a noninvasive imaging modality that provides a comprehensive evaluation of the cardiovascular system. The clinical utility of CMR is hampered by long acquisition times, however. In this work, we propose and validate a plug-and-play (PnP) method for CMR reconstruction from undersampled multi-coil data. To fully exploit the rich image structure inherent in CMR, we pair the PnP framework with a deep learning (DL)-based denoiser that is trained using spatiotemporal patches from high-quality, breath-held cardiac cine images. The resulting "PnP-DL" method iterates over data consistency and denoising subroutines. We compare the reconstruction performance of PnP-DL to that of compressed sensing (CS) using eight breath-held and ten real-time (RT) free-breathing cardiac cine datasets. We find that, for breath-held datasets, PnP-DL offers more than one dB advantage over commonly used CS methods. For RT free-breathing datasets, where ground truth is not available, PnP-DL receives higher scores in qualitative evaluation. The results highlight the potential of PnP-DL to accelerate RT CMR.
• Abstract（参考訳）: 心臓磁気共鳴画像(CMR)は非侵襲的な画像モダリティであり、循環器系を包括的に評価する。 しかし、CMRの臨床的有用性は長期の獲得によって妨げられている。 本研究では,マルチコイルデータからCMR再構成を行うプラグイン・アンド・プレイ法を提案する。 CMRに固有のリッチな画像構造をフル活用するために,PnPフレームワークと,高画質呼吸心血管画像からの時空間パッチを用いてトレーニングした深層学習(DL)ベースのデノイザーを組み合わせた。 結果として生じる"PnP-DL"メソッドは、データの一貫性とサブルーチンを反復する。 PnP-DLの再建性能と圧縮センシング(CS)との比較を行った。 PnP-DLは、呼吸保持されたデータセットに対して、一般的に使用されるCS法よりも複数のdBの利点を提供する。 基礎的真実が得られないRTフリーブレスティングデータセットの場合、PnP-DLは質的評価においてより高いスコアを受け取る。 RT CMRを加速するPnP-DLの可能性を強調した。

関連論文リスト

• On the Foundation Model for Cardiac MRI Reconstruction [6.284878525302227]
  本稿では,適応アンロール,チャネルシフト,パターンとコントラスト-プロンプト-UNetを用いた基礎モデルを提案する。 PCP-UNetは画像コントラストとサンプリングパターンプロンプトを備える。
  論文  参考訳（メタデータ） (2024-11-15T18:15:56Z)
• CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction [62.61209705638161]
  ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。 ディープラーニング手法は大規模なトレーニングデータセットを必要とする。 このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
  論文  参考訳（メタデータ） (2023-09-19T15:14:42Z)
• Physics-informed self-supervised deep learning reconstruction for accelerated first-pass perfusion cardiac MRI [2.023359976134555]
  本稿では,FPP-CMRスキャンの高速化のための物理インフォームド自己教師型深層学習FPP-CMR再構成手法を提案する。 提案手法は,フルサンプリング参照データを用いることなく,10xアンダーサンプルデータから高品質なFPP-CMR画像を提供する。
  論文  参考訳（メタデータ） (2023-01-05T12:11:17Z)
• A Deep Learning-based Integrated Framework for Quality-aware Undersampled Cine Cardiac MRI Reconstruction and Analysis [4.780348242743022]
  我々は, アンダーサンプルシネCMRデータの再構成, セグメンテーション, 下流解析のための品質制御統合フレームワークを提案する。 このフレームワークは、取得したデータが十分であれば、高品質な再構成やセグメンテーションを生成するのに十分なときに、取得を停止することができるラジアルk空間データのアクティブな取得を可能にする。
  論文  参考訳（メタデータ） (2022-05-02T18:02:22Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Reference-based Magnetic Resonance Image Reconstruction Using Texture Transforme [86.6394254676369]
  高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。 変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。 提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
  論文  参考訳（メタデータ） (2021-11-18T03:06:25Z)
• Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
  複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。 本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。 実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
  論文  参考訳（メタデータ） (2021-10-07T14:03:00Z)
• Deep MRI Reconstruction with Radial Subsampling [2.7998963147546148]
  k空間データにサブサンプリングマスクを適用することは、実際の臨床環境でk空間データの迅速な取得をシミュレートする方法である。 訓練された深層ニューラルネットワークが出力する再構成の質に対して,リチリニア・ラジアル・リフレクション・サブサンプリングを適用させる効果を比較検討し,検討した。
  論文  参考訳（メタデータ） (2021-08-17T17:45:51Z)
• Multi-institutional Collaborations for Improving Deep Learning-based Magnetic Resonance Image Reconstruction Using Federated Learning [62.17532253489087]
  深層学習法はmr画像再構成において優れた性能をもたらすことが示されている。 これらの方法は、高い取得コストと医療データプライバシー規制のために収集および共有が困難である大量のデータを必要とします。 我々は,異なる施設で利用可能なmrデータを活用し,患者のプライバシーを保ちながら,連合学習(fl)ベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2021-03-03T03:04:40Z)
• Efficient and Phase-aware Video Super-resolution for Cardiac MRI [23.5319835123499]
  我々は,CMRビデオの超解像問題を解決するために,新しいエンドツーエンドのトレーニング可能なネットワークを提案する。 心的知識をモデルに組み込んで時間的情報の利用を支援する。
  論文  参考訳（メタデータ） (2020-05-21T13:29:03Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。