論文の概要: Deep variational network for rapid 4D flow MRI reconstruction
- arxiv url: http://arxiv.org/abs/2004.09610v1
- Date: Mon, 20 Apr 2020 20:17:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 18:18:33.931513
- Title: Deep variational network for rapid 4D flow MRI reconstruction
- Title（参考訳）: 高速4次元フローMRI再構成のための深部変動ネットワーク
- Authors: Valery Vishnevskiy, Jonas Walheim, Sebastian Kozerke
- Abstract要約: 長い生体内スキャンタイムは、データ相関を利用する加速イメージング技術を必要とする。
本稿では,効率的なモデルベースディープニューラルネットワークを提案する。
ネットワークは、標準の消費者向けハードウェア上で、アンサンプされた4DフローMRIデータを1分以内で再構築する。
- 参考スコア（独自算出の注目度）: 0.5156484100374058
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Phase-contrast magnetic resonance imaging (MRI) provides time-resolved
quantification of blood flow dynamics that can aid clinical diagnosis. Long in
vivo scan times due to repeated three-dimensional (3D) volume sampling over
cardiac phases and breathing cycles necessitate accelerated imaging techniques
that leverage data correlations. Standard compressed sensing reconstruction
methods require tuning of hyperparameters and are computationally expensive,
which diminishes the potential reduction of examination times. We propose an
efficient model-based deep neural reconstruction network and evaluate its
performance on clinical aortic flow data. The network is shown to reconstruct
undersampled 4D flow MRI data in under a minute on standard consumer hardware.
Remarkably, the relatively low amounts of tunable parameters allowed the
network to be trained on images from 11 reference scans while generalizing well
to retrospective and prospective undersampled data for various acceleration
factors and anatomies.
- Abstract（参考訳）: 位相コントラスト磁気共鳴イメージング(MRI)は、臨床診断に役立つ血流動態の時間分解定量化を提供する。
心臓相と呼吸サイクルの3次元ボリュームサンプリングを繰り返したin vivoでの長いスキャン時間は、データ相関を利用した加速イメージング技術を必要とする。
標準の圧縮センシング再構成法ではハイパーパラメータのチューニングが必要であり、計算コストが高いため、試験時間の削減が期待できる。
本稿では,効率的なモデルベース深部神経再建ネットワークを提案し,その性能を臨床大動脈血流データで評価する。
ネットワークは、標準消費者ハードウェア上で、アンサンプされた4DフローMRIデータを1分以内で再構築する。
驚くべきことに、比較的低い調整可能なパラメータにより、11の参照スキャンの画像でネットワークをトレーニングすることができ、様々な加速度因子や解剖学のふりかえりや予測不足のデータにうまく一般化することができた。
関連論文リスト
- Continuous K-space Recovery Network with Image Guidance for Fast MRI Reconstruction [5.910509015352437]
高速MRIは、アンダーサンプリングされたk空間から高品質な画像を復元することを目的としている。
既存の方法では、アンサンプされたデータをアーティファクトのないMRI画像にマッピングするために、ディープラーニングモデルを訓練する。
画像領域誘導を用いた暗黙的ニューラル表現の新しい視点から、連続的なk空間回復ネットワークを提案する。
論文 参考訳（メタデータ） (2024-11-18T04:54:04Z) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - A Path Towards Clinical Adaptation of Accelerated MRI [0.0]
臨床関連性を高めるために,ニューラルネットワークMRI画像再構成器の強化について検討する。
MR信号データに可変加速度因子を付加したトレーニングコンストラクタは, 臨床患者検診における平均性能を最大で2%向上できることを示した。
論文 参考訳（メタデータ） (2022-08-26T18:34:41Z) - Scale-Equivariant Unrolled Neural Networks for Data-Efficient
Accelerated MRI Reconstruction [33.82162420709648]
本稿では,大規模同変畳み込みニューラルネットワークを用いたニューラルネットワークの近位演算子をモデル化する。
我々のアプローチは、同じメモリ制約下での最先端のアンロールニューラルネットワークに対する強力な改善を示す。
論文 参考訳（メタデータ） (2022-04-21T23:29:52Z) - 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) - 4D iterative reconstruction of brain fMRI in the moving fetus [1.8492120771993543]
本手法の精度を実地臨床用fMRI胎児群で定量的に評価した。
その結果,従来の3D手法と比較して再現性の向上が見られた。
論文 参考訳（メタデータ） (2021-11-22T18:12:21Z) - 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) - 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) - 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) - Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。
この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文 参考訳（メタデータ） (2020-01-14T22:55:03Z)
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。