論文の概要: Fast Nonconvex $T_2^*$ Mapping Using ADMM

• arxiv url: http://arxiv.org/abs/2008.01806v1
• Date: Tue, 4 Aug 2020 20:08:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 01:09:34.717219
• Title: Fast Nonconvex $T_2^*$ Mapping Using ADMM
• Title（参考訳）: ADMMを用いた高速非凸$T_2^*$マッピング
• Authors: Shuai Huang, James J. Lah, Jason W. Allen, Deqiang Qiu
• Abstract要約: 磁気共鳴(MR)$T*$マッピングは、様々な臨床応用において出血、石灰化、鉄沈着の研究に広く用いられているが、組織における所望のコントラストの直接的かつ正確なマッピングを提供する。 従来の3D解像度の$*$マッピング法で必要とされる長い取得時間は、患者に不快を生じさせ、再構成された画像に運動アーティファクトを導入し、より広い適用性を制限する。 本稿では,圧縮センシングを用いたアンダーサンプルデータから$T*$マッピングを行うことでこの問題に対処する。
• 参考スコア（独自算出の注目度）: 14.22930572798757
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Magnetic resonance (MR)-$T_2^*$ mapping is widely used to study hemorrhage, calcification and iron deposition in various clinical applications, it provides a direct and precise mapping of desired contrast in the tissue. However, the long acquisition time required by conventional 3D high-resolution $T_2^*$ mapping method causes discomfort to patients and introduces motion artifacts to reconstructed images, which limits its wider applicability. In this paper we address this issue by performing $T_2^*$ mapping from undersampled data using compressive sensing (CS). We formulate the reconstruction as a nonconvex problem that can be decomposed into two subproblems. They can be solved either separately via the standard approach or jointly via the alternating direction method of multipliers (ADMM). Compared to previous CS-based approaches that only apply sparse regularization on the spin density $\boldsymbol X_0$ and the relaxation rate $\boldsymbol R_2^*$, our formulation enforces additional sparse priors on the $T_2^*$-weighted images at multiple echoes to improve the reconstruction performance. We performed convergence analysis of the proposed algorithm, evaluated its performance on in vivo data, and studied the effects of different sampling schemes. Experimental results showed that the proposed joint-recovery approach generally outperforms the state-of-the-art method, especially in the low-sampling rate regime, making it a preferred choice to perform fast 3D $T_2^*$ mapping in practice. The framework adopted in this work can be easily extended to other problems arising from MR or other imaging modalities with non-linearly coupled variables.
• Abstract（参考訳）: 磁気共鳴(MR)-$T_2^*$マッピングは、様々な臨床応用において出血、石灰化、鉄沈着の研究に広く用いられ、組織における所望のコントラストの直接的かつ正確なマッピングを提供する。 しかし,従来の3次元高分解能な$T_2^*$マッピング法で要求される長い取得時間は,患者の不快を招き,再建された画像に運動アーティファクトを導入し,適用性を制限している。 本稿では,圧縮センシング(CS)を用いたアンダーサンプルデータからT_2^*$マッピングを行うことでこの問題に対処する。 再構成を2つの部分問題に分解可能な非凸問題として定式化する。 これらは標準のアプローチで別々に解くか、あるいは乗算器の交互方向法(admm)によって共同で解くことができる。 スピン密度 $\boldsymbol x_0$ と緩和率 $\boldsymbol r_2^*$ のスパース正規化のみを適用した以前のcsベースのアプローチと比較して,複数のエコーにおける$t_2^*$ 重み付き画像に対するスパース事前化を複数回実施し,復元性能を向上させる。 提案アルゴリズムの収束解析を行い,その性能を生体データ上で評価し,異なるサンプリング方式の効果について検討した。 実験結果から,提案手法は一般に最先端手法,特に低サンプリング率方式よりも優れており,高速な3D $T_2^*$マッピングを現実的に行うことが望ましいことがわかった。 この研究で採用されたフレームワークは、MRや他の非線形結合変数による画像モダリティに起因する他の問題にも容易に拡張できる。

関連論文リスト

• Deep Cardiac MRI Reconstruction with ADMM [7.694990352622926]
  心臓画像の分野では, 深層学習(DL)を用いたシネ・マルチコントラスト再建法を提案する。 提案手法は画像領域とk空間領域の両方を最適化し,高い再構成精度を実現する。
  論文  参考訳（メタデータ） (2023-10-10T13:46:11Z)
• vSHARP: variable Splitting Half-quadratic Admm algorithm for Reconstruction of inverse-Problems [7.043932618116216]
  vSHARP (variable Splitting Half-quadratic ADMM algorithm for Reconstruction of inverse Problems) は、医学的イメージング(MI)における不適切な逆問題の解法である。 データ一貫性のために、vSHARPは画像領域で微分勾配降下過程をアンロールし、一方、U-NetアーキテクチャのようなDLベースのデノイザは画質を高めるために適用される。 我々の最先端手法との比較分析は,これらの応用におけるvSHARPの優れた性能を示すものである。
  論文  参考訳（メタデータ） (2023-09-18T17:26:22Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Normalized/Clipped SGD with Perturbation for Differentially Private Non-Convex Optimization [94.06564567766475]
  DP-SGDとDP-NSGDは、センシティブなトレーニングデータを記憶する大規模モデルのリスクを軽減する。 DP-NSGD は DP-SGD よりも比較的チューニングが比較的容易であるのに対して,これらの2つのアルゴリズムは同様の精度を実現する。
  論文  参考訳（メタデータ） (2022-06-27T03:45:02Z)
• Nonconvex ${{L_ {{1/2}}}} $-Regularized Nonlocal Self-similarity Denoiser for Compressive Sensing based CT Reconstruction [0.0]
  最近、NonL1/2 $-normは回復において有望な性能を達成したが、その非類似性のため、アプリケーションは不満足である。 本稿では,最小化$_$のCT再構成問題について述べる。 典型的な画像に対する大規模な結果から,より優れた性能を実現するためのアプローチが実証された。
  論文  参考訳（メタデータ） (2022-05-15T05:24:48Z)
• Private Stochastic Non-Convex Optimization: Adaptive Algorithms and Tighter Generalization Bounds [72.63031036770425]
  有界非次元最適化のための差分プライベート(DP)アルゴリズムを提案する。 標準勾配法に対する経験的優位性について,2つの一般的なディープラーニング手法を実証する。
  論文  参考訳（メタデータ） (2020-06-24T06:01:24Z)
• Cogradient Descent for Bilinear Optimization [124.45816011848096]
  双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。 一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。 本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
  論文  参考訳（メタデータ） (2020-06-16T13:41:54Z)
• Joint Total Variation ESTATICS for Robust Multi-Parameter Mapping [0.0]
  ESTATICSは、R2*と複数の外挿インターセプトを抽出するために、複数のエコー系列の連接対数整合を行う。 提案アルゴリズムは,リッチな単目的データセットにおいて,左からのエコーを予測して評価する。
  論文  参考訳（メタデータ） (2020-05-28T19:08:42Z)
• Data Augmentation for Histopathological Images Based on Gaussian-Laplacian Pyramid Blending [59.91656519028334]
  データ不均衡は、機械学習(ML)アルゴリズムに影響を及ぼす主要な問題である。 本稿では、HIデータセットを増大させるだけでなく、患者間の変動を分散させる新しいアプローチを提案する。 BreakHisデータセットの実験結果から、文献で示されたDA手法の大多数は、有望な利得を示している。
  論文  参考訳（メタデータ） (2020-01-31T22:02:57Z)

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。