論文の概要: Reconstruction of Quantitative Susceptibility Maps from Phase of
Susceptibility Weighted Imaging with Cross-Connected $\Psi$-Net
- arxiv url: http://arxiv.org/abs/2010.05395v3
- Date: Tue, 12 Jan 2021 13:37:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 08:10:50.445834
- Title: Reconstruction of Quantitative Susceptibility Maps from Phase of
Susceptibility Weighted Imaging with Cross-Connected $\Psi$-Net
- Title（参考訳）: クロスコネクテッド$\psi$-netによる感度重み付け画像の位相からの定量的感受性マップの再構成
- Authors: Zhiyang Lu, Jun Li, Zheng Li, Hongjian He, Jun Shi
- Abstract要約: 本稿では,SWI(Susceptibility Weighted Imaging)で生成した高域通過フィルタ位相データの新しい値について検討する。
我々は、QSMをSWIの位相データから直接再構成する、エンドツーエンドの$Psi$-Net(C$Psi$-Net)を開発した。
C$Psi$-Netは、他のQSM再構成アルゴリズムよりも、我々のタスクにおいて優れた性能を達成する。
- 参考スコア（独自算出の注目度）: 11.616994001951356
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantitative Susceptibility Mapping (QSM) is a new phase-based technique for
quantifying magnetic susceptibility. The existing QSM reconstruction methods
generally require complicated pre-processing on high-quality phase data. In
this work, we propose to explore a new value of the high-pass filtered phase
data generated in susceptibility weighted imaging (SWI), and develop an
end-to-end Cross-connected $\Psi$-Net (C$\Psi$-Net) to reconstruct QSM directly
from these phase data in SWI without additional pre-processing. C$\Psi$-Net
adds an intermediate branch in the classical U-Net to form a $\Psi$-like
structure. The specially designed dilated interaction block is embedded in each
level of this branch to enlarge the receptive fields for capturing more
susceptibility information from a wider spatial range of phase images.
Moreover, the crossed connections are utilized between branches to implement a
multi-resolution feature fusion scheme, which helps C$\Psi$-Net capture rich
contextual information for accurate reconstruction. The experimental results on
a human dataset show that C$\Psi$-Net achieves superior performance in our task
over other QSM reconstruction algorithms.
- Abstract（参考訳）: 定量的感受性マッピング(QSM)は、磁気感受性を定量化する新しい位相ベースの手法である。
既存のQSM再構成法は、通常、高品質の位相データに対する複雑な前処理を必要とする。
本研究では,サセプティビティ重み付け画像(SWI)で生成された高域通過フィルタ位相データの新たな値について検討し,QSMをこれらの位相データから直接SWIに再構成するためのエンドツーエンドの$\Psi$-Net(C$\Psi$-Net)を開発する。
C$\Psi$-Net は古典的な U-Net の中間分岐を加えて$\Psi$-like 構造を形成する。
特別に設計された拡張された相互作用ブロックは、このブランチの各レベルに埋め込まれ、より広い空間範囲の位相画像からより感受性情報を取得するための受容野を拡大する。
さらに、クロスコネクションはブランチ間で利用され、C$\Psi$-Netでリッチなコンテキスト情報をキャプチャして正確な再構成を行うマルチレゾリューション機能融合スキームを実装している。
ヒトのデータセットにおける実験結果は、c$\psi$-netが他のqsm再構成アルゴリズムよりも優れた性能を達成していることを示している。
関連論文リスト
- Meta-Exploiting Frequency Prior for Cross-Domain Few-Shot Learning [86.99944014645322]
クロスドメインなFew-Shot学習のための新しいフレームワーク,Meta-Exploiting Frequency Priorを導入する。
各クエリ画像を高周波および低周波成分に分解し,特徴埋め込みネットワークに並列に組み込む。
本フレームワークは、複数のドメイン間数ショット学習ベンチマークにおいて、最先端の新たな結果を確立する。
論文 参考訳（メタデータ） (2024-11-03T04:02:35Z) - A Mountain-Shaped Single-Stage Network for Accurate Image Restoration [9.431709365739462]
画像復元においては、通常、空間的詳細と文脈情報の複雑なバランスを維持する必要がある。
不要な非線形活性化関数を除去または置換する,単純なU-Netアーキテクチャに基づく単一ステージ設計ベースを提案する。
我々のアプローチはM3SNetと呼ばれ、従来の最先端モデルよりも性能が優れており、計算コストの半分以下である。
論文 参考訳（メタデータ） (2023-05-09T03:18:35Z) - Enhancing ResNet Image Classification Performance by using Parameterized
Hypercomplex Multiplication [1.370633147306388]
本稿ではResNetアーキテクチャについて検討し、パラメータ化ハイパープレックス乗算を残差、四元数、ベクトルマップ畳み込みニューラルネットワークのバックエンドに組み込んでその効果を評価する。
PHMは、小型で低解像度のCIFAR 10/100や高解像度の ImageNet や ASL など、複数の画像データセットの分類精度を向上し、超複素ネットワークにおける最先端の精度を実現することができることを示す。
論文 参考訳（メタデータ） (2023-01-11T18:24:07Z) - GraftNet: Towards Domain Generalized Stereo Matching with a
Broad-Spectrum and Task-Oriented Feature [2.610470075814367]
ドメインシフトに対処するために、大規模データセットでトレーニングされたモデルの特徴を活用することを提案する。
コサインの類似性に基づくコストボリュームをブリッジとして、通常のコストアグリゲーションモジュールに移植する。
実験により、この広スペクトルおよびタスク指向機能によりモデル一般化能力を著しく改善できることが示されている。
論文 参考訳（メタデータ） (2022-04-01T03:10:04Z) - HerosNet: Hyperspectral Explicable Reconstruction and Optimal Sampling
Deep Network for Snapshot Compressive Imaging [41.91463343106411]
ハイパースペクトルイメージングは、特にリモートセンシング、農業、医学において、幅広い用途に欠かせない画像モダリティである。
低予算のスナップショット測定からハイパスペクトル画像(HSI)を再構築する、遅い、高価、またはかさばる既存のハイパースペクトルカメラにインスパイアされたことが注目されている。
スペクトルスナップショットセンシング(SCI)のための最近のディープ・アンフォールディング・ネットワーク(DUN)は、目覚ましい成功を収めている。
本稿では、ISTAアンフォールディングフレームワークの下で複数のフェーズを含むHerosNetと呼ばれる、SCIのためのハイパースペクトル拡張型再構成と最適サンプリングディープネットワークを提案する。
論文 参考訳（メタデータ） (2021-12-12T13:42:49Z) - Over-and-Under Complete Convolutional RNN for MRI Reconstruction [57.95363471940937]
MR画像再構成のための最近のディープラーニングに基づく手法は、通常、汎用的なオートエンコーダアーキテクチャを利用する。
OUCR(Over-and-Under Complete Convolu?tional Recurrent Neural Network)を提案する。
提案手法は, トレーニング可能なパラメータの少ない圧縮されたセンシングと, 一般的なディープラーニングに基づく手法に対して, 大幅な改善を実現する。
論文 参考訳（メタデータ） (2021-06-16T15:56:34Z) - Multi-Stage Progressive Image Restoration [167.6852235432918]
本稿では、これらの競合する目標を最適にバランスできる新しい相乗的設計を提案する。
本提案では, 劣化した入力の復元関数を段階的に学習する多段階アーキテクチャを提案する。
MPRNetという名前の密接な相互接続型マルチステージアーキテクチャは、10のデータセットに対して強力なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2021-02-04T18:57:07Z) - Learning Deep Interleaved Networks with Asymmetric Co-Attention for
Image Restoration [65.11022516031463]
本稿では,高品質(本社)画像再構成のために,異なる状態の情報をどのように組み合わせるべきかを学習するディープインターリーブドネットワーク(DIN)を提案する。
本稿では,各インターリーブノードにアタッチメントされた非対称なコアテンション(AsyCA)を提案し,その特性依存性をモデル化する。
提案したDINはエンドツーエンドで訓練でき、様々な画像復元タスクに適用できる。
論文 参考訳（メタデータ） (2020-10-29T15:32:00Z) - Sequential Hierarchical Learning with Distribution Transformation for
Image Super-Resolution [83.70890515772456]
画像SRのための逐次階層学習型超解像ネットワーク(SHSR)を構築した。
特徴のスケール間相関を考察し、階層的情報を段階的に探索するシーケンシャルなマルチスケールブロック(SMB)を考案する。
実験結果から,SHSRは最先端手法に優れた定量的性能と視覚的品質が得られることが示された。
論文 参考訳（メタデータ） (2020-07-19T01:35:53Z) - Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral
Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。
3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文 参考訳（メタデータ） (2020-07-10T08:08:20Z)
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。