Fugu-MT 論文翻訳(概要): Two-Stage Deep Learning for Accelerated 3D Time-of-Flight MRA without Matched Training Data

論文の概要: Two-Stage Deep Learning for Accelerated 3D Time-of-Flight MRA without Matched Training Data

arxiv url: http://arxiv.org/abs/2008.01362v1
Date: Tue, 4 Aug 2020 06:36:38 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 23:21:46.310644
Title: Two-Stage Deep Learning for Accelerated 3D Time-of-Flight MRA without Matched Training Data
Title（参考訳）: 一致した訓練データのない3次元飛行時間MRAのための2段階深層学習
Authors: Hyungjin Chung, Eunju Cha, Leonard Sunwoo, and Jong Chul Ye
Abstract要約: 本稿では,新しい2段階の教師なし深層学習手法を提案する。第1のネットワークは、高品質な並列画像再構成を実現するために、正方形領域(SSoS)の平方根で訓練される。第2の精製ネットワークは、高度に活性化された血流の特性を効率的に学習するように設計されている。
参考スコア（独自算出の注目度）: 33.549981359484406
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Time-of-flight magnetic resonance angiography (TOF-MRA) is one of the most widely used non-contrast MR imaging methods to visualize blood vessels, but due to the 3-D volume acquisition highly accelerated acquisition is necessary. Accordingly, high quality reconstruction from undersampled TOF-MRA is an important research topic for deep learning. However, most existing deep learning works require matched reference data for supervised training, which are often difficult to obtain. By extending the recent theoretical understanding of cycleGAN from the optimal transport theory, here we propose a novel two-stage unsupervised deep learning approach, which is composed of the multi-coil reconstruction network along the coronal plane followed by a multi-planar refinement network along the axial plane. Specifically, the first network is trained in the square-root of sum of squares (SSoS) domain to achieve high quality parallel image reconstruction, whereas the second refinement network is designed to efficiently learn the characteristics of highly-activated blood flow using double-headed max-pool discriminator. Extensive experiments demonstrate that the proposed learning process without matched reference exceeds performance of state-of-the-art compressed sensing (CS)-based method and provides comparable or even better results than supervised learning approaches.
Abstract（参考訳）: 飛行時磁気共鳴血管造影法(TOF-MRA)は血管の可視化に最も広く用いられている非造影MRI画像法の一つである。したがって, アンダーサンプリングTOF-MRAによる高品質な再構築は, 深層学習における重要な研究課題である。しかし、既存のディープラーニング研究の多くは、教師付きトレーニングにマッチした参照データを必要とする。本稿では, 最適輸送理論からサイクガンの最近の理論的理解を拡張することにより, コロナ面に沿ったマルチコイル再構成ネットワークと軸面に沿った多面的改良ネットワークからなる, 新たな2段階非教師なし深層学習手法を提案する。具体的には、第1のネットワークは、高品質な並列画像再構成を実現するために正方形の平方根(SSoS)で訓練され、第2のリファインメントネットワークは、ダブルヘッドの最大プール判別器を用いて、高活性な血流の特性を効率的に学習するように設計されている。大規模な実験により,提案した学習プロセスが最先端圧縮センシング(CS)法の性能を上回ることが示され,教師付き学習手法と同等あるいはそれ以上の結果が得られた。

関連論文リスト

Inter-slice Super-resolution of Magnetic Resonance Images by Pre-training and Self-supervised Fine-tuning [49.197385954021456]
臨床実践では、2次元磁気共鳴(MR)シーケンスが広く採用されている。個々の2次元スライスを積み重ねて3次元ボリュームを形成できるが、比較的大きなスライスススペーシングは可視化とその後の解析タスクに課題をもたらす可能性がある。スライス間隔を低減するため,ディープラーニングに基づく超解像技術が広く研究されている。現在のほとんどのソリューションは、教師付きトレーニングのために、かなりの数の高解像度と低解像度の画像を必要とするが、通常は現実のシナリオでは利用できない。
論文参考訳（メタデータ） (2024-06-10T02:20:26Z)
SelfCoLearn: Self-supervised collaborative learning for accelerating dynamic MR imaging [15.575332712603172]
本稿では, アンダーサンプされたk空間データから, 動的MR画像の正確な再構成を行うための自己教師付き協調学習フレームワーク(SelfCoLearn)を提案する。提案フレームワークは,2つのネットワーク協調学習,データ拡張のアンサンプ化,特別に設計された協調学習損失という,3つの重要なコンポーネントを備える。その結果,本手法は,アンダーサンプされたk空間データから,本質的,本質的表現を抽出する能力を持つことがわかった。
論文参考訳（メタデータ） (2022-08-08T04:01:26Z)
PARCEL: Physics-based unsupervised contrastive representation learning for parallel MR imaging [9.16860702327751]
本稿では,並列MR画像の高速化を目的とした物理に基づく非教師付きコントラスト表現学習(PARCEL)法を提案する。具体的には、PARCELは、アンダーサンプリングされたk空間データから直接の深層学習を実現するために、3つの重要な要素を持っている。 MR画像の固有の特徴や表現を捉えるために、2つのネットワークをガイドするために、特別に設計されたコトレーニング損失が設計されている。
論文参考訳（メタデータ） (2022-02-03T10:09:19Z)
One-dimensional Deep Low-rank and Sparse Network for Accelerated MRI [19.942978606567547]
核磁気共鳴画像(MRI)における深層学習の驚くべき性能最先端のディープラーニング再構築の多くは、強力な畳み込みニューラルネットワークを採用し、2D畳み込みを行う。我々は1次元の畳み込みを探求する新しいアプローチを提案し、深層ネットワークの訓練と一般化をより容易にする。
論文参考訳（メタデータ） (2021-12-09T06:39:55Z)
Two-Stage Self-Supervised Cycle-Consistency Network for Reconstruction of Thin-Slice MR Images [62.4428833931443]
太いスライス磁気共鳴(MR)画像は、しばしば冠状および矢状視で構造的にぼやけている。深層学習は、これらの低分解能(LR)症例から高分解能(HR)薄膜MR画像を再構築する大きな可能性を示している。 MRスライス再構成のための2段階自己監督型サイクル一貫性ネットワーク(TSCNet)を提案する。
論文参考訳（メタデータ） (2021-06-29T13:29:18Z)
Multi-view Depth Estimation using Epipolar Spatio-Temporal Networks [87.50632573601283]
一つのビデオから多視点深度を推定する新しい手法を提案する。提案手法は,新しいEpipolar Spatio-Temporal Transformer(EST)を用いて時間的コヒーレントな深度推定を行う。最近のMixture-of-Expertsモデルにインスパイアされた計算コストを削減するため、我々はコンパクトなハイブリッドネットワークを設計する。
論文参考訳（メタデータ） (2020-11-26T04:04:21Z)
Unpaired Deep Learning for Accelerated MRI using Optimal Transport Driven CycleGAN [33.68599686848292]
最適輸送駆動サイクル一貫性生成対向ネットワーク(OT-cycleGAN)を用いた未ペア深層学習手法を提案する。提案するOT-cycleGANアーキテクチャは, 特別に設計された最小二乗法を用いて, 最適輸送定式化の双対な定式化から厳密に導かれる。
論文参考訳（メタデータ） (2020-08-29T12:02:49Z)
MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文参考訳（メタデータ） (2020-05-15T10:37:02Z)
AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文参考訳（メタデータ） (2020-04-26T05:43:21Z)
Spatial-Spectral Residual Network for Hyperspectral Image Super-Resolution [82.1739023587565]
ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
論文参考訳（メタデータ） (2020-01-14T03:34:55Z)

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。