論文の概要: A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions Artefacts in MRI Scans

• arxiv url: http://arxiv.org/abs/2006.13804v2
• Date: Mon, 29 Jun 2020 17:54:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 13:15:36.287988
• Title: A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions Artefacts in MRI Scans
• Title（参考訳）: MRIにおける複数の離散剛体面内運動アーチファクトの補正法
• Authors: Michael Rotman, Rafi Brada, Israel Beniaminy, Sangtae Ahn, Christopher J. Hardy, Lior Wolf
• Abstract要約: 本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。 提案法は患者の多動運動によって生成された人工物に応用できる。
• 参考スコア（独自算出の注目度）: 63.28835187934139
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion artefacts created by patient motion during an MRI scan occur frequently in practice, often rendering the scans clinically unusable and requiring a re-scan. While many methods have been employed to ameliorate the effects of patient motion, these often fall short in practice. In this paper we propose a novel method for removing motion artefacts using a deep neural network with two input branches that discriminates between patient poses using the motion's timing. The first branch receives a subset of the $k$-space data collected during a single patient pose, and the second branch receives the remaining part of the collected $k$-space data. The proposed method can be applied to artefacts generated by multiple movements of the patient. Furthermore, it can be used to correct motion for the case where $k$-space has been under-sampled, to shorten the scan time, as is common when using methods such as parallel imaging or compressed sensing. Experimental results on both simulated and real MRI data show the efficacy of our approach.
• Abstract（参考訳）: MRIスキャン中に患者の動きによって生成される運動アーチファクトは、実際に頻繁に発生し、しばしば臨床的に使用不能となり、再スキャンを必要とする。 患者の動きの効果を改善するために多くの方法が用いられてきたが、実際は不足していることが多い。 本稿では,2つの入力枝を持つディープニューラルネットワークを用いて,動作タイミングを用いて患者ポーズを識別する動きアーチファクトを除去する手法を提案する。 第1のブランチは、単一の患者ポーズ中に収集された$k$-spaceデータのサブセットを受け取り、第2のブランチは、収集された$k$-spaceデータの残りの部分を受け取る。 提案法は患者の多動運動によって生成された人工物に適用できる。 さらに、$k$-spaceがアンダーサンプリングされた場合の動作を補正したり、スキャン時間を短縮したり、並列イメージングや圧縮センシングなどの手法で一般的なようにすることができる。 シミュレーションおよび実画像データによる実験結果から,本手法の有効性が示唆された。

関連論文リスト

• 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)
• TEAM PILOT -- Learned Feasible Extendable Set of Dynamic MRI Acquisition Trajectories [2.7719338074999547]
  本稿では,3次元ウィンドウアテンションとフレキシブルで時間的に拡張可能な獲得軌跡を用いた新しい深部圧縮型センシング手法を提案する。 本手法は既存の手法と比較してトレーニング時間と推論時間を著しく短縮する。 実データによるテストは、我々のアプローチが現在の最先端技術よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-09-19T13:45:13Z)
• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• A self-attention model for robust rigid slice-to-volume registration of functional MRI [4.615338063719135]
  fMRIスキャン中の頭部の動きは、歪み、偏りの分析、コストの増加をもたらす。 本稿では,2次元fMRIスライスを3次元参照ボリュームに整列するエンド・ツー・エンドSVRモデルを提案する。 本モデルは,最先端のディープラーニング手法と比較して,アライメント精度の面での競合性能を実現する。
  論文  参考訳（メタデータ） (2024-04-06T08:02:18Z)
• SISMIK for brain MRI: Deep-learning-based motion estimation and model-based motion correction in k-space [0.0]
  本研究では,脳の2次元スピンエコースキャンにおける動き推定と補正の振り返り手法を提案する。 この手法は、深いニューラルネットワークのパワーを利用してk空間の運動パラメータを推定する。 モデルに基づくアプローチを用いて、劣化した画像を復元し、「幻覚」を避ける。
  論文  参考訳（メタデータ） (2023-12-20T17:38:56Z)
• Motion Artifacts Detection in Short-scan Dental CBCT Reconstructions [5.147799140853288]
  Cone Beam Computed Tomography (CBCT) は歯科診断や治療計画に広く用いられている。 本研究は, 補正アルゴリズムを使わずに, クリーンショートスキャン体積を再構成することのできる, 走査投影の運動自由部分を抽出する枠組みを用いた。 データ不足に対処するために、現実的なモーションシミュレーション戦略とデータ拡張が実装されている。
  論文  参考訳（メタデータ） (2023-04-20T08:28:44Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
  我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。 提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
  論文  参考訳（メタデータ） (2020-04-20T11:41:01Z)
• Registration by tracking for sequential 2D MRI [0.0]
  本稿では,2次元MR画像の逐次特性を利用して変位場を推定する画像登録手法を提案する。 本手法は, セグメンテーション心データセットを用いて評価し, 従来の2つの手法と比較すると, 改善された評価結果が得られた。
  論文  参考訳（メタデータ） (2020-03-24T13:12:42Z)
• 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。