Fugu-MT 論文翻訳(概要): Retrospective Motion Correction of MR Images using Prior-Assisted Deep Learning

論文の概要: Retrospective Motion Correction of MR Images using Prior-Assisted Deep Learning

arxiv url: http://arxiv.org/abs/2011.14134v1
Date: Sat, 28 Nov 2020 14:03:59 GMT
ステータス: 処理完了
システム内更新日: 2022-09-19 19:19:25.257233
Title: Retrospective Motion Correction of MR Images using Prior-Assisted Deep Learning
Title（参考訳）: 事前支援深層学習を用いたMR画像の振り返り補正
Authors: Soumick Chatterjee, Alessandro Sciarra, Max D\"unnwald, Steffen Oeltze-Jafra, Andreas N\"urnberger and Oliver Speck
Abstract要約: モーションアーティファクトはMRI画像を劣化させ、正確な診断に使用できないようにすることができる。本研究は,画像先行として存在する付加情報を含めることで,既存のディープラーニングモデルの性能を向上させることを提案する。
参考スコア（独自算出の注目度）: 56.606579521437695
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In MRI, motion artefacts are among the most common types of artefacts. They can degrade images and render them unusable for accurate diagnosis. Traditional methods, such as prospective or retrospective motion correction, have been proposed to avoid or alleviate motion artefacts. Recently, several other methods based on deep learning approaches have been proposed to solve this problem. This work proposes to enhance the performance of existing deep learning models by the inclusion of additional information present as image priors. The proposed approach has shown promising results and will be further investigated for clinical validity.
Abstract（参考訳）: MRIでは、モーションアーティファクトは最も一般的な種類のアーティファクトである。画像は分解され、正確な診断には使用できない。従来の方法、例えば前向きまたは後向きの動作補正は、動きのアーチファクトを回避または緩和するために提案されてきた。近年,この問題を解決するために,深層学習手法に基づく手法がいくつか提案されている。本研究は,画像プリミティブとして追加情報を含めることで,既存のディープラーニングモデルの性能を向上させることを目的とする。提案手法は有望な結果を示し,臨床的妥当性についてさらに検討する。

関連論文リスト

DensePANet: An improved generative adversarial network for photoacoustic tomography image reconstruction from sparse data [1.4665304971699265]
スパースデータからのPAT画像再構成の問題を解決するために,DensePANetと呼ばれるエンドツーエンドの手法を提案する。提案したモデルは、FD-UNet++と呼ばれるジェネレータにUNetを改良し、再構成性能を大幅に改善する。
論文参考訳（メタデータ） (2024-04-19T09:52:32Z)
Artifact Reduction in 3D and 4D Cone-beam Computed Tomography Images with Deep Learning -- A Review [0.0]
コーンビームCT(CBCT)における画像品質向上のための深層学習技術本稿では,3次元のアーティファクトの削減に成功している深層学習技術の概要と,時間分解(4D)CBCTについて概説する。この研究の重要な発見の1つは、GANやスコアベース、拡散モデルを含む生成モデルの利用に向けた観測傾向である。
論文参考訳（メタデータ） (2024-03-27T13:46:01Z)
On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文参考訳（メタデータ） (2023-06-23T03:09:03Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
Annealed Score-Based Diffusion Model for MR Motion Artifact Reduction [37.41561581618164]
モーションアーティファクトリダクションは、MRイメージングにおいて重要な研究トピックの1つである。我々はMRIの動作アーチファクト低減のためのアニール式スコアベース拡散モデルを提案する。実験により, 提案手法は, シミュレーションおよび生体内動作アーティファクトの両方を効果的に低減することを確認した。
論文参考訳（メタデータ） (2023-01-08T12:16:08Z)
Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging [41.587861167935785]
運動アーティファクトはMRI(MRI)の品質を損なうモーションアーティファクトリダクション(MAR)のソリューションとしてディープラーニングアプローチが登場したこれらの手法の欠点の1つは、トレーニング目的のために2組のモーションアーティファクト崩壊(MA崩壊)とモーションアーティファクトフリー(MA無し)MR画像を取得することにある。この問題を軽減するために,UNAEN(UN Abnormality extract Network)を提案する。
論文参考訳（メタデータ） (2023-01-04T18:02:59Z)
Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文参考訳（メタデータ） (2022-04-09T13:04:36Z)
Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
論文参考訳（メタデータ） (2021-08-18T17:57:02Z)
Deep Learning in Photoacoustic Tomography: Current approaches and future directions [2.631277214890658]
光音響トモグラフィーは、光吸収に基づく高解像度3次元軟組織像を提供することができる。高速画像形成の必要性とデータ取得の実践的制約が新たなイメージ再構築の課題を呈している。ディープ・ラーニング(ディープ・ニューラルネットワーク)やディープ・ニューラル・ネットワーク(ディープ・ニューラル・ネットワーク)がこの問題に多くの注目を集めている。
論文参考訳（メタデータ） (2020-09-16T11:33:29Z)
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)

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。