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
- Intraoperative 2D/3D Image Registration via Differentiable X-ray
Rendering [6.136878084725444]
DiffPoseは、患者固有のシミュレーションと微分可能な物理ベースのレンダリングを利用して、手動でラベル付けされたデータに頼ることなく正確な2D/3D登録を実現する自己教師型アプローチである。
DiffPoseは手術用データセット全体の術速でサブミリ精度を達成し、既存の教師なしの手法を桁違いに改善し、教師付きベースラインよりも優れています。
論文 参考訳(メタデータ) (2023-12-11T13:05:54Z) - Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳(メタデータ) (2023-11-22T05:44:51Z) - 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) - Estimating Head Motion from MR-Images [0.0]
頭部運動は磁気共鳴画像(MRI)解析の完全な共同創設者である。
本稿では,T1重み付き(T1w),T2重み付き(T2w)およびFLAIR画像から直接,走査内頭部の動きを予測する深層学習手法を提案する。
論文 参考訳(メタデータ) (2023-02-28T11:03:08Z) - Which K-Space Sampling Schemes is good for Motion Artifact Detection in
Magnetic Resonance Imaging? [0.0]
モーションアーティファクトは、磁気共鳴イメージング(MRI)試験で一般的な発生です。
本研究では, カルテシアン, 均一スパイラル, ラジアルを含む3種類のk空間サンプラーが運動誘起画像歪みに及ぼす影響について検討する。
論文 参考訳(メタデータ) (2021-03-15T16:38:40Z) - 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) - 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。