論文の概要: Joint Total Variation ESTATICS for Robust Multi-Parameter Mapping
- arxiv url: http://arxiv.org/abs/2005.14247v1
- Date: Thu, 28 May 2020 19:08:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 05:45:18.859208
- Title: Joint Total Variation ESTATICS for Robust Multi-Parameter Mapping
- Title（参考訳）: ロバストマルチパラメータマッピングのための共同全変量評価法
- Authors: Ya\"el Balbastre, Mikael Brudfors, Michela Azzarito, Christian
Lambert, Martina F. Callaghan, John Ashburner
- Abstract要約: ESTATICSは、R2*と複数の外挿インターセプトを抽出するために、複数のエコー系列の連接対数整合を行う。
提案アルゴリズムは,リッチな単目的データセットにおいて,左からのエコーを予測して評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantitative magnetic resonance imaging (qMRI) derives tissue-specific
parameters -- such as the apparent transverse relaxation rate R2*, the
longitudinal relaxation rate R1 and the magnetisation transfer saturation --
that can be compared across sites and scanners and carry important information
about the underlying microstructure. The multi-parameter mapping (MPM) protocol
takes advantage of multi-echo acquisitions with variable flip angles to extract
these parameters in a clinically acceptable scan time. In this context,
ESTATICS performs a joint loglinear fit of multiple echo series to extract R2*
and multiple extrapolated intercepts, thereby improving robustness to motion
and decreasing the variance of the estimators. In this paper, we extend this
model in two ways: (1) by introducing a joint total variation (JTV) prior on
the intercepts and decay, and (2) by deriving a nonlinear maximum \emph{a
posteriori} estimate. We evaluated the proposed algorithm by predicting
left-out echoes in a rich single-subject dataset. In this validation, we
outperformed other state-of-the-art methods and additionally showed that the
proposed approach greatly reduces the variance of the estimated maps, without
introducing bias.
- Abstract（参考訳）: 定量的磁気共鳴イメージング(qMRI)は、組織固有のパラメーター、例えば見かけの横緩和率R2*、長手緩和率R1、磁化移動飽和など、サイトやスキャナー間で比較でき、基礎となるミクロ構造に関する重要な情報を運ぶことができる。
マルチパラメータマッピング(MPM)プロトコルは、可変フリップ角を持つマルチエチョ取得を利用して、これらのパラメータを臨床的に許容されるスキャン時間で抽出する。
この文脈では、ESTATICSは複数のエコー系列の連接対数整合を行い、R2*および複数の外挿インターセプトを抽出することにより、運動に対するロバスト性を改善し、推定子の分散を減少させる。
本稿では,(1)インターセプトと崩壊に先立って関節総変分(JTV)を導入し,(2)非線形最大値(emph{a reari})推定を導出することにより,このモデルを2つの方法で拡張する。
提案アルゴリズムは,リッチな単目的データセットにおける左からのエコーを予測して評価した。
この検証では,他の最先端手法よりも優れており,提案手法はバイアスを伴わずに推定マップのばらつきを大幅に低減することを示した。
関連論文リスト
- MRI Parameter Mapping via Gaussian Mixture VAE: Breaking the Assumption of Independent Pixels [3.720246718519987]
我々はMRIにおける定量的パラメータマッピングの新しいパラダイムを導入し、実証する。
独立画素の仮定を破る自己教師型深部変分法を提案する。
そこで本手法は,dMRIやqMRIなどのパラメータマッピング手法の臨床応用を支援することができる。
論文 参考訳（メタデータ） (2024-11-16T11:11:36Z) - Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。
提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
論文 参考訳（メタデータ） (2024-11-15T07:42:02Z) - Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。
本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。
我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
論文 参考訳（メタデータ） (2024-07-19T13:33:38Z) - MARVEL: MR Fingerprinting with Additional micRoVascular Estimates using bidirectional LSTMs [0.8901227918730564]
本稿では,現実的な微小血管ネットワークを含む数値ボクセルからのMR信号をシミュレーションする効率的な方法を提案する。
3人のボランティアに対して行った結果から,我々のアプローチはより高速に微小血管パラメータの定量的マップを作成できることが示唆された。
論文 参考訳（メタデータ） (2024-07-15T08:09:54Z) - Variance-Reducing Couplings for Random Features [57.73648780299374]
ランダム機能(RF)は、機械学習においてカーネルメソッドをスケールアップする一般的なテクニックである。
ユークリッド空間と離散入力空間の両方で定義されるRFを改善するための結合を求める。
パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
論文 参考訳（メタデータ） (2024-05-26T12:25:09Z) - DeepMpMRI: Tensor-decomposition Regularized Learning for Fast and High-Fidelity Multi-Parametric Microstructural MR Imaging [15.408939800451696]
本稿では,様々な拡散モデルから高速かつ高忠実なマルチパラメトリック推定を行うための統一フレームワークを提案する。
DeepMpMRIは、細部を効果的に捉えるために新しく設計されたテンソル分解ベースの正規化器を備えている。
論文 参考訳（メタデータ） (2024-05-06T04:36:02Z) - Heterogeneous Multi-Task Gaussian Cox Processes [61.67344039414193]
異種相関タスクを共同でモデル化するためのマルチタスクガウスコックスプロセスの新たな拡張を提案する。
MOGPは、分類、回帰、ポイントプロセスタスクの専用可能性のパラメータに先行して、異種タスク間の情報の共有を容易にする。
モデルパラメータを推定するための閉形式反復更新を実現する平均場近似を導出する。
論文 参考訳（メタデータ） (2023-08-29T15:01:01Z) - Bayesian Uncertainty Estimation of Learned Variational MRI
Reconstruction [63.202627467245584]
我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。
提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
論文 参考訳（メタデータ） (2021-02-12T18:08:14Z) - Model-based multi-parameter mapping [0.0]
定量的MRイメージングは、よりリッチな情報の内容と標準化された測定基準のためにますます好まれている。
推定はしばしば、異なる量のデータを分離して解くために、データのノイズサブセットを仮定する。
代わりに、生成モデルは定式化され、パラメータ推定を共同で回復するために反転することができる。
論文 参考訳（メタデータ） (2021-02-02T17:00:11Z) - Estimation, Confidence Intervals, and Large-Scale Hypotheses Testing for
High-Dimensional Mixed Linear Regression [9.815103550891463]
本稿では,2つの線形回帰モデルのうちの1つから出力変数が得られた高次元混合線形回帰(MLR)について検討する。
本稿では, 2つの回帰ベクトルを推定し, その収束率を確立するための反復的手順を提案する。
回帰係数をテストするために大規模な多重検定手法を提案し, アルゴリズムによって偽発見率(FDR)を制御できることが示されている。
論文 参考訳（メタデータ） (2020-11-06T21:17:41Z) - Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。
提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
論文 参考訳（メタデータ） (2020-09-29T15:00:47Z)
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。