論文の概要: DeepControl: 2D RF pulses facilitating $B_1^+$ inhomogeneity and $B_0$
off-resonance compensation in vivo at 7T
- arxiv url: http://arxiv.org/abs/2009.12408v1
- Date: Fri, 25 Sep 2020 19:34:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 23:32:46.448212
- Title: DeepControl: 2D RF pulses facilitating $B_1^+$ inhomogeneity and $B_0$
off-resonance compensation in vivo at 7T
- Title（参考訳）: DeepControl: 生体内7TにおけるB_1^+$不均一およびB_0$オフ共鳴補償を促進する2次元RFパルス
- Authors: Mads Sloth Vinding, Christoph Stefan Aigner, Sebastian Schmitter,
Torben Ellegaard Lund
- Abstract要約: 高速な2次元RFパルス予測(9ms)により、長い最適化を行うことなく、主観的な高品質な2次元RFパルスを実現できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: Rapid 2D RF pulse design with subject specific $B_1^+$ inhomogeneity
and $B_0$ off-resonance compensation at 7 T predicted from convolutional neural
networks is presented.
Methods: The convolution neural network was trained on half a million
single-channel transmit, 2D RF pulses optimized with an optimal control method
using artificial 2D targets, $B_1^+$ and $B_0$ maps. Predicted pulses were
tested in a phantom and in vivo at 7 T with measured $B_1^+$ and $B_0$ maps
from a high-resolution GRE sequence.
Results: Pulse prediction by the trained convolutional neural network was
done on the fly during the MR session in approximately 9 ms for multiple hand
drawn ROIs and the measured $B_1^+$ and $B_0$ maps. Compensation of $B_1^+$
inhomogeneity and $B_0$ off-resonances has been confirmed in the phantom and in
vivo experiments. The reconstructed image data agrees well with the simulations
using the acquired $B_1^+$ and $B_0$ maps and the 2D RF pulse predicted by the
convolutional neural networks is as good as the conventional RF pulse obtained
by optimal control.
Conclusion: The proposed convolutional neural network based 2D RF pulse
design method predicts 2D RF pulses with an excellent excitation pattern and
compensated $B_1^+$ and $B_0$ variations at 7 T. The rapid 2D RF pulse
prediction (9 ms) enables subject-specific high-quality 2D RF pulses without
the need to run lengthy optimizations.
- Abstract（参考訳）: 目的: 畳み込みニューラルネットワークから予測される7Tにおける被検体比$B_1^+$不均一と$B_0$オフ共振補償を有する高速2次元RFパルス設計について述べる。
方法:畳み込みニューラルネットワークは、50万の単一チャネル送信、2次元RFパルスを、人工的な2Dターゲット、$B_1^+$および$B_0$マップを用いた最適制御法で最適化した。
高分解能GRE配列からのB_1^+$およびB_0$マップを用いて, ファントムおよび生体内7Tで予測パルスを試験した。
結果: 訓練された畳み込みニューラルネットワークによるパルス予測は, MRセッション中, 約9msの複数の手描きROIと, 測定値である$B_1^+$および$B_0$マップで行った。
b_1^+$不均一性とb_0$オフ共振の補償はファントムおよびin vivo実験で確認されている。
再構成画像データは、取得した$B_1^+$および$B_0$mapを用いたシミュレーションとよく一致し、畳み込みニューラルネットワークによって予測される2次元RFパルスは、最適制御により得られる従来のRFパルスと同等である。
結論: 提案した畳み込みニューラルネットワークを用いた2次元RFパルス設計法は, 優れた励起パターンを持つ2次元RFパルスを予測し, 7 Tで$B_1^+$および$B_0$の変動を補正する。
関連論文リスト
- Speed Limits for Deep Learning [67.69149326107103]
熱力学の最近の進歩は、初期重量分布から完全に訓練されたネットワークの最終分布への移動速度の制限を可能にする。
線形および線形化可能なニューラルネットワークに対して,これらの速度制限に対する解析式を提供する。
NTKスペクトルとラベルのスペクトル分解に関するいくつかの妥当なスケーリング仮定を考えると、学習はスケーリングの意味で最適である。
論文 参考訳（メタデータ） (2023-07-27T06:59:46Z) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳（メタデータ） (2023-05-15T18:19:29Z) - Joint MR sequence optimization beats pure neural network approaches for
spin-echo MRI super-resolution [44.52688267348063]
最近のMRIスーパーレゾリューション(SR)法は、ニューラルネットワーク(NN)の入力として典型的な臨床領域から取得したコントラストのみを使用する
SR-TSEのためのMRシークエンスとニューラルネットワークパラメータのエンドツーエンド最適化を実現するための既知の演算子学習手法を提案する。
論文 参考訳（メタデータ） (2023-05-12T14:40:25Z) - NeRF2: Neural Radio-Frequency Radiance Fields [11.09253326813424]
NeRF$textbf2$は、RF信号の伝搬を理解する連続ボリュームシーン関数を表す。
NeRF$textbf2$は、送信機の位置を知っているとき、どのような信号がどの位置で受信されたかを知ることができる。
論文 参考訳（メタデータ） (2023-05-10T13:09:57Z) - Synthetic Wave-Geometric Impulse Responses for Improved Speech
Dereverberation [69.1351513309953]
室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。
本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
論文 参考訳（メタデータ） (2022-12-10T20:15:23Z) - Classification of multi-frequency RF signals by extreme learning, using
magnetic tunnel junctions as neurons and synapses [46.000685134136525]
磁気トンネル接合は並列に複数の周波数でRF入力を処理可能であることを示す。
極端学習と呼ばれるバックプロパゲーションフリーの手法を用いて、RF信号で符号化されたノイズの多い画像を分類する。
これらの結果は、組み込みの高周波人工知能にとって重要なステップである。
論文 参考訳（メタデータ） (2022-11-02T14:09:42Z) - NeuralDPS: Neural Deterministic Plus Stochastic Model with Multiband
Excitation for Noise-Controllable Waveform Generation [67.96138567288197]
本稿では,高い音声品質を保ち,高い合成効率とノイズ制御性を得ることができるニューラルDPSというニューラルボコーダを提案する。
ウェーブネットのボコーダより少なくとも280倍高速な波形を生成する。
また、単一コア上でのWaveGANの合成効率よりも28%高速である。
論文 参考訳（メタデータ） (2022-03-05T08:15:29Z) - Clipped DeepControl: deep neural network two-dimensional pulse design
with an amplitude constraint layer [0.0]
磁気共鳴イメージングにおける(畳み込み)ニューラルネットワークの深層学習と強化学習
2次元選択的電波パルスの場合、(畳み込み)ニューラルネットワークパルス予測時間(2ミリ秒)は、従来の最適制御よりも3桁以上高速であった。
我々は、パルス振幅オーバーシュートのリスクを完全に排除するカスタムメイドクリッピング層で畳み込みニューラルネットワークを拡張した。
論文 参考訳（メタデータ） (2022-01-21T12:34:36Z) - Automated Design of Pulse Sequences for Magnetic Resonance
Fingerprinting using Physics-Inspired Optimization [0.8711988786121446]
MRF(Magnetic Resonance Fingerprinting)は、任意のパルス配列からT1やT2の緩和速度などの定量的組織特性を抽出する手法である。
ここでは、物理に着想を得た最適化を適用することで、MRFパルス列のデ・ノボ自動設計を行う。
論文 参考訳（メタデータ） (2021-06-08T23:50:38Z) - DeepRF: Deep Reinforcement Learning Designed RadioFrequency Waveform in
MRI [11.301627148745586]
無線周波数(RF)パルスは、携帯電話、レーダー、磁気共鳴イメージング(MRI)などの多くのシステムで重要な役割を果たしています。
本研究では,人工知能を用いたRFパルス設計フレームワークDeepRFを提案する。
DeepRFは、深層強化学習の自己学習特性を利用して、人間の直感を超えた新しいRFを生成する。
論文 参考訳（メタデータ） (2021-05-07T04:22:27Z)
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。