Fugu-MT 論文翻訳(概要): Active MR k-space Sampling with Reinforcement Learning

論文の概要: Active MR k-space Sampling with Reinforcement Learning

arxiv url: http://arxiv.org/abs/2007.10469v2
Date: Wed, 7 Oct 2020 21:54:14 GMT
ステータス: 処理完了
システム内更新日: 2022-11-08 14:34:06.859245
Title: Active MR k-space Sampling with Reinforcement Learning
Title（参考訳）: 強化学習を用いたアクティブmr k空間サンプリング
Authors: Luis Pineda, Sumana Basu, Adriana Romero, Roberto Calandra, Michal Drozdzal
Abstract要約: 本稿では,固定画像再構成モデルを用いた学習軌跡に焦点をあてる。逐次決定過程として問題を定式化し、これを解決するために強化学習を用いることを提案する。人工膝関節の大規模なMRIデータセットを用いた実験により, 提案したモデルが, 能動MRI取得の最先端を著しく上回っていることが明らかとなった。
参考スコア（独自算出の注目度）: 14.72023090827242
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning approaches have recently shown great promise in accelerating magnetic resonance image (MRI) acquisition. The majority of existing work have focused on designing better reconstruction models given a pre-determined acquisition trajectory, ignoring the question of trajectory optimization. In this paper, we focus on learning acquisition trajectories given a fixed image reconstruction model. We formulate the problem as a sequential decision process and propose the use of reinforcement learning to solve it. Experiments on a large scale public MRI dataset of knees show that our proposed models significantly outperform the state-of-the-art in active MRI acquisition, over a large range of acceleration factors.
Abstract（参考訳）: 深層学習アプローチは、最近MRI(MRI)の獲得を加速する大きな可能性を示している。既存の作業の大部分は、軌道最適化の問題を無視して、事前に決定された獲得軌道を考慮し、より良い再構築モデルの設計に重点を置いている。本稿では,固定画像再構成モデルによる学習獲得軌跡に着目した。この問題を逐次決定プロセスとして定式化し,強化学習を用いて解くことを提案する。膝のmriデータセットの大規模公開実験では,提案モデルが多種多様な加速度因子において,能動的mri獲得の最先端を著しく上回っていることが示された。

関連論文リスト

Improved Patch Denoising Diffusion Probabilistic Models for Magnetic Resonance Fingerprinting [7.379135816468852]
MRF(Magnetic Resonance Fingerprinting)は、MRIの定量的手法である。正確な再建を達成することは、特に高度に加速され、アンサンプされた買収において、依然として困難である。 MRF画像再構成のための条件拡散確率モデルを提案する。
論文参考訳（メタデータ） (2024-10-29T21:38:54Z)
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)
Diffusion Modeling with Domain-conditioned Prior Guidance for Accelerated MRI and qMRI Reconstruction [3.083408283778178]
本研究では,ネイティブデータ領域に条件付き拡散モデルに基づく画像再構成手法を提案する。提案手法は,特に加速係数の高い画像の再構成において,有意義な可能性を証明している。
論文参考訳（メタデータ） (2023-09-02T01:33:50Z)
Multi PILOT: Learned Feasible Multiple Acquisition Trajectories for Dynamic MRI [0.7843343739054056]
本研究では,ダイナミックイメージング環境における獲得学習について考察する。複数のフレーム単位の取得軌跡の協調最適化のためのエンドツーエンドパイプラインを設計する。より短い取得時間で画像再構成精度を向上した。
論文参考訳（メタデータ） (2023-03-13T14:23:39Z)
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)
A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文参考訳（メタデータ） (2022-03-28T14:03:45Z)
K-space and Image Domain Collaborative Energy based Model for Parallel MRI Reconstruction [21.317550364310343]
磁気共鳴(MR)画像取得時間の減少は、MRI検査をよりアクセスしやすくする可能性がある。そこで我々は,K空間と画像領域の協調生成モデルを提案し,アンダーサンプル計測からMRデータを包括的に推定する。実験による最先端技術との比較により, 提案手法は再構成における誤差が少なく, 異なる加速度因子下では安定であることがわかった。
論文参考訳（メタデータ） (2022-03-21T07:38:59Z)
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
DiffuseReconは拡散モデルに基づく新しいMR再構成法である。観測された信号に基づいて生成過程を導出する。特定の加速因子に関する追加の訓練は必要としない。
論文参考訳（メタデータ） (2022-03-08T02:25:38Z)
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)
Fine-grained MRI Reconstruction using Attentive Selection Generative Adversarial Networks [0.0]
高品質mri再構成を実現するための新しい注意に基づく深層学習フレームワークを提案する。我々は,gan(generative adversarial network)フレームワークに大規模文脈的特徴統合と注意選択を組み込んだ。
論文参考訳（メタデータ） (2021-03-13T09:58:32Z)
Multi-institutional Collaborations for Improving Deep Learning-based Magnetic Resonance Image Reconstruction Using Federated Learning [62.17532253489087]
深層学習法はmr画像再構成において優れた性能をもたらすことが示されている。これらの方法は、高い取得コストと医療データプライバシー規制のために収集および共有が困難である大量のデータを必要とします。我々は,異なる施設で利用可能なmrデータを活用し,患者のプライバシーを保ちながら,連合学習(fl)ベースのソリューションを提案する。
論文参考訳（メタデータ） (2021-03-03T03:04:40Z)

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。