Fugu-MT 論文翻訳(概要): End-to-End Variational Networks for Accelerated MRI Reconstruction

論文の概要: End-to-End Variational Networks for Accelerated MRI Reconstruction

arxiv url: http://arxiv.org/abs/2004.06688v2
Date: Wed, 15 Apr 2020 04:02:57 GMT
ステータス: 処理完了
システム内更新日: 2022-12-13 10:07:36.211878
Title: End-to-End Variational Networks for Accelerated MRI Reconstruction
Title（参考訳）: 高速MRI再構成のためのエンド・ツー・エンド変分ネットワーク
Authors: Anuroop Sriram, Jure Zbontar, Tullie Murrell, Aaron Defazio, C. Lawrence Zitnick, Nafissa Yakubova, Florian Knoll, and Patricia Johnson
Abstract要約: 本稿では,従来提案されていた変分法を拡張したマルチコイルデータから,完全エンドツーエンドの学習により再構築する手法を提案する。提案手法は,脳と膝のMRI画像に対する高速MRIデータセットを用いて,新しい最先端の検査結果を得る。
参考スコア（独自算出の注目度）: 15.92576953714072
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The slow acquisition speed of magnetic resonance imaging (MRI) has led to the development of two complementary methods: acquiring multiple views of the anatomy simultaneously (parallel imaging) and acquiring fewer samples than necessary for traditional signal processing methods (compressed sensing). While the combination of these methods has the potential to allow much faster scan times, reconstruction from such undersampled multi-coil data has remained an open problem. In this paper, we present a new approach to this problem that extends previously proposed variational methods by learning fully end-to-end. Our method obtains new state-of-the-art results on the fastMRI dataset for both brain and knee MRIs.
Abstract（参考訳）: 磁気共鳴イメージング(mri)の低速な獲得速度は、解剖学の複数のビューを同時に取得(並列イメージング)し、従来の信号処理法(圧縮センシング)よりも少ないサンプルを取得するという、2つの補完的手法の開発につながった。これらの手法を組み合わせることでより高速なスキャンが可能となるが、そのようなアンサンプされたマルチコイルデータからの再構成は未解決の問題のままである。本稿では,本問題に対する新しいアプローチとして,前述した変分法を完全エンドツーエンドに学習することで拡張する。提案手法は,脳と膝のMRI画像に対する高速MRIデータセットを用いて,新しい最先端結果を得る。

関連論文リスト

Correlated and Multi-frequency Diffusion Modeling for Highly Under-sampled MRI Reconstruction [14.687337090732036]
既存のMRI再建法の多くは、特定の組織領域を考慮せずに、全MR画像のtar-geted再構成を行う。これは、診断のための重要でない組織に対する再構成精度を強調できない可能性がある。そこで本研究では,k空間データの特性と拡散過程を組み合わせることで,マルチ周波数先行のマイニングに焦点をあてる。
論文参考訳（メタデータ） (2023-09-02T07:51:27Z)
Improved Multi-Shot Diffusion-Weighted MRI with Zero-Shot Self-Supervised Learning Reconstruction [7.347468593124183]
ゼロMIRIDと呼ばれる新しいmsEPI再構成手法(改良拡散MRIのためのマルチショット画像再構成のためのゼロショット自己教師型学習)を提案する。本手法は、深層学習に基づく画像正規化技術を組み込むことで、msEPIデータを共同で再構成する。 In-vivo実験で示されるように、最先端の並列イメージング法と比較して優れた結果が得られる。
論文参考訳（メタデータ） (2023-08-09T17:54:56Z)
Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。 MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文参考訳（メタデータ） (2022-04-01T22:48:08Z)
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)
Recurrent Variational Network: A Deep Learning Inverse Problem Solver applied to the task of Accelerated MRI Reconstruction [3.058685580689605]
本稿では,MRIの高速化作業に応用した,ディープラーニングに基づく逆問題解法を提案する。 RecurrentVarNetは複数のブロックから構成されており、それぞれが逆問題を解決するための勾配降下アルゴリズムの1つのアンロール反復に責任を負っている。提案手法は,公共のマルチチャネル脳データセットから得られた5倍および10倍の加速データに対して,定性的かつ定量的な再構築結果の新たな状態を実現する。
論文参考訳（メタデータ） (2021-11-18T11:44:04Z)
Fast T2w/FLAIR MRI Acquisition by Optimal Sampling of Information Complementary to Pre-acquired T1w MRI [52.656075914042155]
本稿では,MRIによる他のモダリティ獲得のためのアンダーサンプリングパターンを最適化するための反復的フレームワークを提案する。公開データセット上で学習したアンダーサンプリングパターンの優れた性能を実証した。
論文参考訳（メタデータ） (2021-11-11T04:04:48Z)
Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
論文参考訳（メタデータ） (2021-10-15T13:16:59Z)
Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文参考訳（メタデータ） (2021-04-05T13:05:22Z)
High-Fidelity Accelerated MRI Reconstruction by Scan-Specific Fine-Tuning of Physics-Based Neural Networks [3.1498833540989413]
高分解能MRIでは、長時間のスキャンが依然として課題である。ディープラーニングは、データから直接学習されるデータ駆動型正規化器を提供することによって、MRIの再構築を加速する強力な手段として登場した。本研究では,トランスファーラーニング手法を用いて,これらレギュレータを自己超越的手法を用いて新しい被験者に微調整する手法を提案する。
論文参考訳（メタデータ） (2020-05-12T05:10:10Z)
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)
DuDoRNet: Learning a Dual-Domain Recurrent Network for Fast MRI Reconstruction with Deep T1 Prior [19.720518236653195]
深部T1を組み込んだDuDoRNet(DuDoRNet)を提案し,k空間と画像の同時復元を行う。提案手法は常に最先端の手法より優れており,高品質なMRIを再構築することができる。
論文参考訳（メタデータ） (2020-01-11T21:34:48Z)

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。