論文の概要: An off-the-grid approach to multi-compartment magnetic resonance fingerprinting

• arxiv url: http://arxiv.org/abs/2011.11193v1
• Date: Mon, 23 Nov 2020 03:16:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 03:22:14.251437
• Title: An off-the-grid approach to multi-compartment magnetic resonance fingerprinting
• Title（参考訳）: マルチコンパートメント磁気共鳴フィンガープリントへのオフザグリッドアプローチ
• Authors: Mohammad Golbabaee and Clarice Poon
• Abstract要約: 組織の数、種類、量的特性は知られていない。 多次元NMR特性の微細格子による離散化は、大きくてコヒーレントなMRF辞書を生成する。 スパース近似のためのスパース群ラッソ正規化の概念を拡張したオフ・ザ・グリッド手法を提案する。
• 参考スコア（独自算出の注目度）: 7.888755225607877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel numerical approach to separate multiple tissue compartments in image voxels and to estimate quantitatively their nuclear magnetic resonance (NMR) properties and mixture fractions, given magnetic resonance fingerprinting (MRF) measurements. The number of tissues, their types or quantitative properties are not a-priori known, but the image is assumed to be composed of sparse compartments with linearly mixed Bloch magnetisation responses within voxels. Fine-grid discretisation of the multi-dimensional NMR properties creates large and highly coherent MRF dictionaries that can challenge scalability and precision of the numerical methods for (discrete) sparse approximation. To overcome these issues, we propose an off-the-grid approach equipped with an extended notion of the sparse group lasso regularisation for sparse approximation using continuous (non-discretised) Bloch response models. Further, the nonlinear and non-analytical Bloch responses are approximated by a neural network, enabling efficient back-propagation of the gradients through the proposed algorithm. Tested on simulated and in-vivo healthy brain MRF data, we demonstrate effectiveness of the proposed scheme compared to the baseline multicompartment MRF methods.
• Abstract（参考訳）: 画像ボクセル内の複数の組織区画を分離する新しい数値的手法を提案し,磁気共鳴指紋法(mrf)による核磁気共鳴特性と混合分画を定量的に推定する。 組織数, タイプ, 定量的性質は分かっていないが, ボクセル内でのBloch磁化反応を線形に混合したスパースコンパートメントで構成されていると考えられる。 多次元NMR特性の細粒度離散化は、(離散)スパース近似の数値的手法のスケーラビリティと精度に挑戦できる、大きく、一貫性の高いMRF辞書を生成する。 これらの問題を解決するために,連続(非離散化)ブロッホ応答モデルを用いたスパース近似のためのスパース群ラッソ正規化を拡張したオフ・ザ・グリッド手法を提案する。 さらに、非線形および非解析的ブロッホ応答をニューラルネットワークにより近似し、提案アルゴリズムによる勾配の効率的なバックプロパゲーションを可能にする。 シミュレーションおよび生体内健康脳MRFデータを用いて,ベースラインマルチコンパートメントMRF法と比較して提案手法の有効性を実証した。

関連論文リスト

• qMRI Diffuser: Quantitative T1 Mapping of the Brain using a Denoising Diffusion Probabilistic Model [1.1278063431495107]
  定量的MRI(qMRI)は、組織特性に関連する客観的パラメータを提供することにより、重み付け画像よりも大きな利点を提供する。 深層学習に基づく手法は、一連の重み付き画像から定量的マップを推定する効果を実証している。 深部生成モデルを用いたqMRIの新しい手法であるqMRIディフューザを提案する。
  論文  参考訳（メタデータ） (2024-07-23T13:49:19Z)
• DeepMpMRI: Tensor-decomposition Regularized Learning for Fast and High-Fidelity Multi-Parametric Microstructural MR Imaging [15.408939800451696]
  本稿では,様々な拡散モデルから高速かつ高忠実なマルチパラメトリック推定を行うための統一フレームワークを提案する。 DeepMpMRIは、細部を効果的に捉えるために新しく設計されたテンソル分解ベースの正規化器を備えている。
  論文  参考訳（メタデータ） (2024-05-06T04:36:02Z)
• MD-NOMAD: Mixture density nonlinear manifold decoder for emulating stochastic differential equations and uncertainty propagation [0.9208007322096533]
  本研究では, 混合密度非線形多様体デコーダ (MD-NOMAD) をシミュレータとして提案する。 提案手法は,ニューラルアーキテクチャの非線形デコーダ(NomaD)を混合密度法で学習し,出力関数の条件付き確率を推定する。
  論文  参考訳（メタデータ） (2024-04-24T08:39:14Z)
• Score-based Source Separation with Applications to Digital Communication Signals [72.6570125649502]
  拡散モデルを用いた重畳音源の分離手法を提案する。 高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。 提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
  論文  参考訳（メタデータ） (2023-06-26T04:12:40Z)
• Multi-Linear Kernel Regression and Imputation in Data Manifolds [12.15802365851407]
  本稿では、データ回帰とインプットのための効率的なマルチ線形非パラメトリック近似フレームワークとその動的磁気共鳴イメージング(dMRI)への応用について紹介する。 データ特徴は、ヒルベルト空間を再現するカーネルに埋め込まれた滑らかな多様体に、あるいは近くに存在すると仮定される。ランドマーク点は、接空間の概念を滑らかに模倣する線形近似パッチにより、特徴の点雲を記述するために特定される。 マルチ線形モデルは次元の削減に影響を及ぼし、効率的な計算を可能にし、トレーニングデータや追加情報なしでデータパターンとその幾何学を抽出する。
  論文  参考訳（メタデータ） (2023-04-06T12:58:52Z)
• A Unified Learning Model for Estimating Fiber Orientation Distribution Functions on Heterogeneous Multi-shell Diffusion-weighted MRI [7.619657591752497]
  拡散強調(DW)MRIは、各ボクセルの局所拡散過程の方向とスケールを、q空間のスペクトルを通して測定する。 近年の微細構造イメージングと多部分解の進展は、信号の放射状b値依存性に新たな注意を喚起している。 単一ステージの球面畳み込みニューラルネットワークを用いて,効率的な繊維配向分布関数推定を行う。
  論文  参考訳（メタデータ） (2023-03-29T00:58:18Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• Calculating non-linear response functions for multi-dimensional electronic spectroscopy using dyadic non-Markovian quantum state diffusion [68.8204255655161]
  本稿では,分子集合体の多次元電子スペクトルと電子励起を結合した構造環境下でのシミュレーション手法を提案する。 このアプローチの重要な側面は、NMQSD方程式を2重系ヒルベルト空間で伝播するが、同じ雑音を持つことである。
  論文  参考訳（メタデータ） (2022-07-06T15:30:38Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Residual-driven Fuzzy C-Means Clustering for Image Segmentation [152.609322951917]
  画像分割のための残留駆動型ファジィC平均(FCM)について詳述する。 この枠組みに基づいて,混合雑音分布の重み付けによる重み付き$ell_2$-norm忠実度項を示す。 その結果、既存のFCM関連アルゴリズムよりも提案アルゴリズムの有効性と効率が優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-15T15:46:09Z)
• Modal Regression based Structured Low-rank Matrix Recovery for Multi-view Learning [70.57193072829288]
  近年、低ランクなマルチビューサブスペース学習は、クロスビューの分類において大きな可能性を示している。 既存のLMvSLベースの手法では、ビューの区別と差別を同時に扱うことができない。 本稿では,視差を効果的に除去し,識別性を向上する独自の方法であるStructured Low-rank Matrix Recovery (SLMR)を提案する。
  論文  参考訳（メタデータ） (2020-03-22T03:57:38Z)

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。