Fugu-MT 論文翻訳(概要): XPDNet for MRI Reconstruction: an application to the 2020 fastMRI challenge

論文の概要: XPDNet for MRI Reconstruction: an application to the 2020 fastMRI challenge

arxiv url: http://arxiv.org/abs/2010.07290v2
Date: Wed, 7 Jul 2021 08:57:52 GMT
ステータス: 処理完了
システム内更新日: 2022-10-07 02:50:24.038396
Title: XPDNet for MRI Reconstruction: an application to the 2020 fastMRI challenge
Title（参考訳）: XPDNet for MRIレコンストラクション:2020年の高速MRIチャレンジへの応用
Authors: Zaccharie Ramzi, Philippe Ciuciu, Jean-Luc Starck
Abstract要約: 我々は、定期的にアンダーサンプリングされたマルチコイルデータからMRIを再構成するための新しいニューラルネットワークXPDNetを提案する。我々は,このネットワークが,高速MRI2020チャレンジで2位にランクインしたように,最先端の再構築結果が得られることを示す。
参考スコア（独自算出の注目度）: 1.6752345688413306
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a new neural network, the XPDNet, for MRI reconstruction from periodically under-sampled multi-coil data. We inform the design of this network by taking best practices from MRI reconstruction and computer vision. We show that this network can achieve state-of-the-art reconstruction results, as shown by its ranking of second in the fastMRI 2020 challenge.
Abstract（参考訳）: 我々は、定期的にアンダーサンプリングされたマルチコイルデータからMRIを再構成するための新しいニューラルネットワークXPDNetを提案する。我々は、MRI再構成とコンピュータビジョンのベストプラクティスを取り入れて、このネットワークの設計を通知する。我々は,このネットワークが,高速MRI2020チャレンジで2位にランクインしたように,最先端の再構築結果が得られることを示す。

関連論文リスト

MambaRecon: MRI Reconstruction with Structured State Space Models [30.506544165999564]
ディープラーニングの出現は、MRIスキャンの迅速な再構築のための最先端の手法の開発を触媒している。本稿では,長期的文脈感度と再構成の有効性の両立を目的とした,構造化状態空間モデルをコアに採用した革新的なMRI再構成フレームワークを提案する。
論文参考訳（メタデータ） (2024-09-19T01:50:10Z)
fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文参考訳（メタデータ） (2023-11-01T07:24:22Z)
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)
ERNAS: An Evolutionary Neural Architecture Search for Magnetic Resonance Image Reconstructions [0.688204255655161]
加速MRIの一般的なアプローチは、k空間データをアンサンプすることである。アンサンプはスキャン手順を高速化する一方で、画像内のアーティファクトを生成し、アーティファクトのない画像を生成するために高度な再構築アルゴリズムが必要である。本研究では、新しい進化的ニューラルネットワーク探索アルゴリズムを用いて、最適化されたニューラルネットワークを用いて、アンダーサンプルデータからのMRI再構成を行った。
論文参考訳（メタデータ） (2022-06-15T03:42:18Z)
Cross-Modality High-Frequency Transformer for MR Image Super-Resolution [100.50972513285598]
我々はTransformerベースのMR画像超解像フレームワークを構築するための初期の取り組みを構築した。我々は、高周波構造とモード間コンテキストを含む2つの領域先行について考察する。我々は,Cross-modality High- frequency Transformer (Cohf-T)と呼ばれる新しいTransformerアーキテクチャを構築し,低解像度画像の超解像化を実現する。
論文参考訳（メタデータ） (2022-03-29T07:56:55Z)
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)
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)
Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文参考訳（メタデータ） (2021-04-05T13:05:22Z)
Multi-Coil MRI Reconstruction Challenge -- Assessing Brain MRI Reconstruction Models and their Generalizability to Varying Coil Configurations [40.263770807921524]
深層学習に基づく脳磁気共鳴画像(MRI)再構成法は、MRI取得プロセスを加速する可能性がある。マルチコイル磁気共鳴画像(MC-MRI)再構成チャレンジは、これらの問題に対処するためのベンチマークを提供する。本稿では,この課題を実験的に考察し,脳MRI再建モデルのベースラインと状態のセットの結果を要約する。
論文参考訳（メタデータ） (2020-11-10T04:11:48Z)
Enhanced MRI Reconstruction Network using Neural Architecture Search [22.735244777008422]
残差基本ブロックを用いたMRI再構成ネットワークを提案する。基本ブロック内の各セルに対して、差別化可能なニューラルアーキテクチャサーチ(NAS)技術を用いて、最適な操作を自動的に選択する。この新しい異種ネットワークは2つの公開データセットで評価され、現在の最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-08-19T03:44:31Z)
Deep Parallel MRI Reconstruction Network Without Coil Sensitivities [4.559089047554929]
並列MRI(pMRI)における高速画像再構成のための頑健な近位勾配スキームをデータからトレーニングした正規化関数にマッピングすることにより,新しいディープニューラルネットワークアーキテクチャを提案する。提案するネットワークは,不完全なpMRIデータからのマルチコイル画像と均一なコントラストとを適応的に組み合わせることを学び,非線形エンコーダに渡されて画像のスパース特徴を効率的に抽出する。
論文参考訳（メタデータ） (2020-08-04T08:39:36Z)

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。