論文の概要: Self-Supervised Physics-Guided Deep Learning Reconstruction For High-Resolution 3D LGE CMR

• arxiv url: http://arxiv.org/abs/2011.09414v1
• Date: Wed, 18 Nov 2020 17:22:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 03:54:13.921422
• Title: Self-Supervised Physics-Guided Deep Learning Reconstruction For High-Resolution 3D LGE CMR
• Title（参考訳）: 高分解能3D LGE CMRのための物理誘導型ディープラーニング再構成
• Authors: Burhaneddin Yaman, Chetan Shenoy, Zilin Deng, Steen Moeller, Hossam El-Rewaidy, Reza Nezafat, and Mehmet Ak\c{c}akaya
• Abstract要約: 3D等方性LGE CMRは2Dイメージングと比較してカバレッジと解像度が改善されている。 画像の加速は、長時間のスキャン時間とコントラストの洗い出しによって要求される。 完全サンプルデータなしでPG-DL技術を訓練するための自己教師付き学習手法が提案された。
• 参考スコア（独自算出の注目度）: 1.759008116536278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Late gadolinium enhancement (LGE) cardiac MRI (CMR) is the clinical standard for diagnosis of myocardial scar. 3D isotropic LGE CMR provides improved coverage and resolution compared to 2D imaging. However, image acceleration is required due to long scan times and contrast washout. Physics-guided deep learning (PG-DL) approaches have recently emerged as an improved accelerated MRI strategy. Training of PG-DL methods is typically performed in supervised manner requiring fully-sampled data as reference, which is challenging in 3D LGE CMR. Recently, a self-supervised learning approach was proposed to enable training PG-DL techniques without fully-sampled data. In this work, we extend this self-supervised learning approach to 3D imaging, while tackling challenges related to small training database sizes of 3D volumes. Results and a reader study on prospectively accelerated 3D LGE show that the proposed approach at 6-fold acceleration outperforms the clinically utilized compressed sensing approach at 3-fold acceleration.
• Abstract（参考訳）: 心筋病変の診断基準としては,後期ガドリニウム増強(LGE)心筋MRI(CMR)が有用である。 3D等方性LGE CMRは2Dイメージングと比較してカバレッジと解像度が改善されている。 しかし、長いスキャン時間とコントラストウォッシュアウトのため、画像のアクセラレーションが必要となる。 物理誘導型ディープラーニング(PG-DL)アプローチは近年,MRIの高速化戦略として注目されている。 PG-DL法のトレーニングは通常、3D LGE CMRでは困難である完全サンプリングされたデータを参照して実施される。 近年,完全サンプルデータなしでPG-DL技術を訓練するための自己教師付き学習手法が提案されている。 本研究では,この自己教師あり学習アプローチを3dイメージングに拡張するとともに,3dボリュームの小さなトレーニングデータベースサイズに関する課題に取り組む。 その結果,6倍加速に対する提案手法は3倍加速における圧縮センシング手法よりも優れていることがわかった。

関連論文リスト

• Enhancing Weakly Supervised 3D Medical Image Segmentation through Probabilistic-aware Learning [52.249748801637196]
  3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。 近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。 本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-03-05T00:46:53Z)
• Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI [22.7085949508143]
  MRIは心臓診断において欠かせない役割を担っている。高速イメージングを可能にするため、k空間データをアンサンプすることができる。 この課題は、ディープラーニング再構築手法における広範なトレーニングデータを必要とする。 本研究では,高度に制限された学習データであっても,例外的に良好に動作可能な次元分離型学習手法を活用する,新規で効率的な手法を提案する。
  論文  参考訳（メタデータ） (2024-02-24T23:56:15Z)
• CLADE: Cycle Loss Augmented Degradation Enhancement for Unpaired Super-Resolution of Anisotropic Medical Images [0.06597195879147556]
  3次元画像(3D)は医学的応用で人気があるが、厚く低空間分解能のスライスを持つ異方性3Dボリュームはスキャン時間を短縮するために取得されることが多い。 深層学習(DL)は超解像再構成(SRR)により高分解能特徴を復元するソリューションを提供する 腹部MRIおよび腹部CTにおけるCLADEの有用性を示すとともに,低分解能ボリュームよりもCLADE画像の画質が有意に向上した。
  論文  参考訳（メタデータ） (2023-03-21T13:19:51Z)
• GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
  アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。 これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。 我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
  論文  参考訳（メタデータ） (2022-07-18T06:01:29Z)
• 3-Dimensional Deep Learning with Spatial Erasing for Unsupervised Anomaly Segmentation in Brain MRI [55.97060983868787]
  我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。 本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。 入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
  論文  参考訳（メタデータ） (2021-09-14T09:17:27Z)
• 20-fold Accelerated 7T fMRI Using Referenceless Self-Supervised Deep Learning Reconstruction [0.487576911714538]
  脳全体の高時間分解能は、fMRIにおける神経活動の正確な解決に不可欠である。 ディープラーニング(DL)再構成技術は近年,高速度MRI画像の改善に関心を寄せている。 本研究では,5倍のSMSと4倍の面内加速度7T fMRIデータを用いて物理誘導型DL再構成を行う。
  論文  参考訳（メタデータ） (2021-05-12T17:39:16Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• 3D FLAT: Feasible Learned Acquisition Trajectories for Accelerated MRI [1.5640063295947522]
  本稿では,MRIにおける3次元非カルト加速軌道の新たな設計プロトコルである3D FLATを紹介する。 提案手法は,3次元k空間全体を利用して,物理的に実現可能な獲得軌道を再現法で同時に学習する。
  論文  参考訳（メタデータ） (2020-08-11T16:03:51Z)
• Spatio-Temporal Deep Learning Methods for Motion Estimation Using 4D OCT Image Data [63.73263986460191]
  特定の対象領域の局所化と運動の推定は、外科的介入の際のナビゲーションの一般的な問題である。 OCT画像ボリュームの時間的ストリームを用いることで、深層学習に基づく動き推定性能が向上するかどうかを検討する。 モデル入力に4D情報を使用すると、合理的な推論時間を維持しながら性能が向上する。
  論文  参考訳（メタデータ） (2020-04-21T15:43:01Z)
• 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
  我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。 提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
  論文  参考訳（メタデータ） (2020-04-20T11:41:01Z)

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。