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
- 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) - A Unified Learning Model for Estimating Fiber Orientation Distribution
Functions on Heterogeneous Multi-shell Diffusion-weighted MRI [7.619657591752497]
拡散強調(DW)MRIは、各ボクセルの局所拡散過程の方向とスケールを、q空間のスペクトルを通して測定する。
近年の微細構造イメージングと多部分解の進展は、信号の放射状b値依存性に新たな注意を喚起している。
単一ステージの球面畳み込みニューラルネットワークを用いて,効率的な繊維配向分布関数推定を行う。
論文 参考訳(メタデータ) (2023-03-29T00:58:18Z) - Variational Laplace Autoencoders [53.08170674326728]
変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。
完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。
また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
論文 参考訳(メタデータ) (2022-11-30T18:59:27Z) - Magnetic Resonance Fingerprinting with compressed sensing and distance
metric learning [38.88009278259666]
MRF(Magnetic Resonance Fingerprinting)は、複数の組織関連パラメータを同時に推定する新しい技術である。
MRF法は、k空間データを著しくアンサンプするため、アーティファクトのエイリアスに悩まされる。
複数の組織関連パラメータを同時に推定する圧縮センシング(CS)フレームワークを提案する。
論文 参考訳(メタデータ) (2022-09-19T03:08:26Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳(メタデータ) (2022-09-16T19:15:50Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - 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) - Fast Nonconvex $T_2^*$ Mapping Using ADMM [14.22930572798757]
磁気共鳴(MR)$T*$マッピングは、様々な臨床応用において出血、石灰化、鉄沈着の研究に広く用いられているが、組織における所望のコントラストの直接的かつ正確なマッピングを提供する。
従来の3D解像度の$*$マッピング法で必要とされる長い取得時間は、患者に不快を生じさせ、再構成された画像に運動アーティファクトを導入し、より広い適用性を制限する。
本稿では,圧縮センシングを用いたアンダーサンプルデータから$T*$マッピングを行うことでこの問題に対処する。
論文 参考訳(メタデータ) (2020-08-04T20:08:43Z)
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。