論文の概要: Isotropic multichannel total variation framework for joint
reconstruction of multicontrast parallel MRI
- arxiv url: http://arxiv.org/abs/2006.04128v5
- Date: Sun, 20 Feb 2022 09:15:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 08:31:39.869509
- Title: Isotropic multichannel total variation framework for joint
reconstruction of multicontrast parallel MRI
- Title（参考訳）: multicontrast parallel mri の関節再建のための等方性多チャンネル全変動フレームワーク
- Authors: Erfan Ebrahim Esfahani
- Abstract要約: 我々は、等方性MC画像正規化器を導入し、圧縮MCマルチコイルMRIに統合することで、その潜在能力を最大限に発揮する。
提案した等方的正則化器は、最先端の再構築法の多くより優れている。
- 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: Purpose: To develop a synergistic image reconstruction framework that
exploits multicontrast (MC), multicoil, and compressed sensing (CS)
redundancies in magnetic resonance imaging (MRI).
Approach: CS, MC acquisition, and parallel imaging (PI) have been
individually well developed, but the combination of the three has not been
equally well studied, much less the potential benefits of isotropy within such
a setting. Inspired by total variation theory, we introduce an isotropic MC
image regularizer and attain its full potential by integrating it into
compressed MC multicoil MRI. A convex optimization problem is posed to model
the new variational framework and a first-order algorithm is developed to solve
the problem.
Results: It turns out that the proposed isotropic regularizer outperforms
many of the state-of-the-art reconstruction methods not only in terms of
rotation-invariance preservation of symmetrical features, but also in
suppressing noise or streaking artifacts, which are normally encountered in PI
methods at aggressive undersampling rates. Moreover, the new framework
significantly prevents intercontrast leakage of contrast-specific details,
which seems to be a difficult situation to handle for some variational and
low-rank MC reconstruction approaches.
Conclusions: The new framework is a viable option for image reconstruction in
fast protocols of MC parallel MRI, potentially reducing patient discomfort in
otherwise long and time-consuming scans.
- Abstract（参考訳）: 目的: 磁気共鳴イメージング(mri)におけるマルチコントラスト(mc)、マルチコイル、圧縮センシング(cs)の冗長性を利用する相乗的画像再構成フレームワークの開発。
アプローチ: CS, MC 取得, 並列画像(PI)は個別に良好に開発されたが, これら3つの組み合わせは等しく研究されていない。
総変動理論に触発されて, 等方性mc画像レギュレータを導入し, 圧縮型mcマルチコイルmriと統合することにより, その全可能性を達成する。
新たな変分フレームワークをモデル化するために凸最適化問題を提起し,その問題を解決するために一階アルゴリズムを開発した。
結果: 提案した等方正則化器は, 対称特徴の回転不変性だけでなく, 積極的アンサンプリング率のPI法で通常発生する騒音やストリーキングアーティファクトの抑制において, 最先端の復元法の多くより優れることがわかった。
さらに、新しいフレームワークはコントラスト固有の詳細のコントラストリークを著しく防止しており、いくつかの変分的および低ランクmc再構成アプローチでは処理が困難であると思われる。
結論: 新しいフレームワークは、MC並列MRIの高速なプロトコルにおける画像再構成に有効な選択肢であり、そうでなければ長時間のスキャンで患者の不快感を軽減できる可能性がある。
関連論文リスト
- Joint Edge Optimization Deep Unfolding Network for Accelerated MRI Reconstruction [3.9681863841849623]
我々はMR画像とエッジの両方に固有の個別正規化器を組み込むだけでなく、協調正規化器を強制してそれらの相関を効果的に確立するジョイントエッジ最適化モデルを構築した。
具体的には、エッジ情報を非エッジ確率マップで定義し、最適化プロセス中に画像再構成を誘導する。
一方、画像やエッジに関連するレギュレータは、それぞれ固有のアプリオリ情報を自動的に学習するために、深く展開するネットワークに組み込まれる。
論文 参考訳（メタデータ） (2024-05-09T05:51:33Z) - DuDoUniNeXt: Dual-domain unified hybrid model for single and
multi-contrast undersampled MRI reconstruction [24.937435059755288]
そこで我々はDuDoUniNeXtを提案する。DuDoUniNeXtは、不在、低品質、高品質な参照画像を含むシナリオに対応可能な、統合されたデュアルドメインMRI再構成ネットワークである。
実験により,提案モデルが最先端のSCモデルとMCモデルを大幅に上回ることを示した。
論文 参考訳（メタデータ） (2024-03-08T12:26:48Z) - Fill the K-Space and Refine the Image: Prompting for Dynamic and
Multi-Contrast MRI Reconstruction [31.404228406642194]
ダイナミックまたはマルチコントラスト磁気共鳴画像(MRI)再構成の鍵は、フレーム間またはコントラスト間情報を探索することにある。
本稿では,これらの制約に対処する2段階MRI再構成パイプラインを提案する。
提案手法は,従来の高速MRI再建法より有意に優れていた。
論文 参考訳（メタデータ） (2023-09-25T02:51:00Z) - JoJoNet: Joint-contrast and Joint-sampling-and-reconstruction Network
for Multi-contrast MRI [49.29851365978476]
提案フレームワークは,各画像コントラストに対するサンプリングマスク生成器と,コントラスト間相関と繰り返し構造とを併用した再構成器とから構成される。
各画像コントラストの加速度比も学習可能であり、下流タスク性能によって駆動することができる。
論文 参考訳（メタデータ） (2022-10-22T20:46:56Z) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳（メタデータ） (2022-09-15T03:58:30Z) - Transformer-empowered Multi-scale Contextual Matching and Aggregation
for Multi-contrast MRI Super-resolution [55.52779466954026]
マルチコントラスト・スーパーレゾリューション (SR) 再構成により, SR画像の高画質化が期待できる。
既存の手法では、これらの特徴をマッチングし、融合させる効果的なメカニズムが欠如している。
そこで本稿では,トランスフォーマーを利用したマルチスケールコンテキストマッチングとアグリゲーション技術を開発することで,これらの問題を解決する新しいネットワークを提案する。
論文 参考訳（メタデータ） (2022-03-26T01:42:59Z) - 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) - Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。
近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。
本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
論文 参考訳（メタデータ） (2021-08-12T08:46:35Z) - 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) - Robust Image Reconstruction with Misaligned Structural Information [0.27074235008521236]
再建と登録を共同で行う変分フレームワークを提案する。
我々のアプローチは、異なるモダリティに対してこれを最初に達成し、再構築と登録の両方の精度で確立されたアプローチを上回ります。
論文 参考訳（メタデータ） (2020-04-01T17:21:25Z)
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。