論文の概要: Channel Attention Networks for Robust MR Fingerprinting Matching
- arxiv url: http://arxiv.org/abs/2012.01241v1
- Date: Wed, 2 Dec 2020 14:34:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-30 09:27:08.446419
- Title: Channel Attention Networks for Robust MR Fingerprinting Matching
- Title(参考訳): ロバストMRフィンガープリントマッチングのためのチャネル注意ネットワーク
- Authors: Refik Soyak, Ebru Navruz, Eda Ozgu Ersoy, Gastao Cruz, Claudia Prieto,
Andrew P. King, Devrim Unay, Ilkay Oksuz
- Abstract要約: MRF(MR Resonance Fingerprinting)は、T1やT2の緩和時間などの複数の組織パラメータの同時マッピングを可能にする。
MRFはより高速な走査を提供するが、対応するパラメトリックマップの誤生成や遅い生成などの欠点がある。
本稿では,チャネルワイドアテンションモジュールと完全畳み込みネットワークからなるニューラルネットワークアーキテクチャを提案する。
- 参考スコア(独自算出の注目度): 4.640430936005229
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Magnetic Resonance Fingerprinting (MRF) enables simultaneous mapping of
multiple tissue parameters such as T1 and T2 relaxation times. The working
principle of MRF relies on varying acquisition parameters pseudo-randomly, so
that each tissue generates its unique signal evolution during scanning. Even
though MRF provides faster scanning, it has disadvantages such as erroneous and
slow generation of the corresponding parametric maps, which needs to be
improved. Moreover, there is a need for explainable architectures for
understanding the guiding signals to generate accurate parametric maps. In this
paper, we addressed both of these shortcomings by proposing a novel neural
network architecture consisting of a channel-wise attention module and a fully
convolutional network. The proposed approach, evaluated over 3 simulated MRF
signals, reduces error in the reconstruction of tissue parameters by 8.88% for
T1 and 75.44% for T2 with respect to state-of-the-art methods. Another
contribution of this study is a new channel selection method: attention-based
channel selection. Furthermore, the effect of patch size and temporal frames of
MRF signal on channel reduction are analyzed by employing a channel-wise
attention.
- Abstract(参考訳): MRF(MR Resonance Fingerprinting)は、T1やT2の緩和時間などの複数の組織パラメータの同時マッピングを可能にする。
MRFの動作原理は、異なる取得パラメータを疑似ランダムに依存するため、各組織はスキャン中に独自の信号進化を生成する。
MRFは高速な走査を提供するが、対応するパラメトリックマップの誤生成や遅い生成などの欠点があり、改善する必要がある。
さらに、正確なパラメトリックマップを生成するための案内信号を理解するための説明可能なアーキテクチャも必要である。
本稿では,チャネルワイドアテンションモジュールと完全畳み込みネットワークからなる新しいニューラルネットワークアーキテクチャを提案することによって,これらの欠点に対処する。
提案手法は, 3種類のMRF信号で評価され, 組織パラメータの再構成における誤差を, T1では8.88%, T2では75.44%削減する。
この研究のもう1つの貢献は、新しいチャンネル選択方法であるアテンションベースのチャンネル選択である。
さらに,mrf信号のパッチサイズと時間フレームがチャネル低減に与える影響をチャネル毎の注意力を用いて解析する。
関連論文リスト
- Patch-CNN: Training data-efficient deep learning for high-fidelity
diffusion tensor estimation from minimal diffusion protocols [3.0416974614291226]
6方向拡散重み付き画像(DWI)のみからの拡散テンソル(DT)推定のための新しい手法であるPatch-CNNを提案する。
イメージワイドFCNと比較すると、最小限のカーネルはトレーニングデータ要求を大幅に削減する。
改良された繊維配向推定は、改良されたトラクトグラムを生成する。
論文 参考訳(メタデータ) (2023-07-03T20:39:48Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳(メタデータ) (2023-06-08T06:15:17Z) - Deep Convolutional Learning-Aided Detector for Generalized Frequency
Division Multiplexing with Index Modulation [0.0]
提案手法は、まずゼロフォース検出器(ZF)を用いて受信信号を前処理し、その後、畳み込みニューラルネットワーク(CNN)と完全連結ニューラルネットワーク(FCNN)からなるニューラルネットワークを用いる。
FCNN部は2つの完全に接続された層しか使用せず、複雑さとBER(bit error rate)パフォーマンスのトレードオフをもたらすことができる。
提案したディープ畳み込みニューラルネットワークに基づく検出・復調方式は,ZF検出器よりも高いBER性能を示し,複雑性が増大することが実証されている。
論文 参考訳(メタデータ) (2022-02-06T22:18:42Z) - MFA: TDNN with Multi-scale Frequency-channel Attention for
Text-independent Speaker Verification with Short Utterances [94.70787497137854]
本稿では、畳み込みニューラルネットワークとTDNNからなる新しいデュアルパス設計により、話者を異なるスケールで特徴付けるマルチスケール周波数チャネルアテンション(MFA)を提案する。
我々は,提案したMFAをVoxCelebデータベース上で評価し,提案したMFAを用いたフレームワークが,パラメータや複雑性を低減しつつ,最先端のパフォーマンスを実現することを確認した。
論文 参考訳(メタデータ) (2022-02-03T14:57:05Z) - Accurate parameter estimation using scan-specific unsupervised deep
learning for relaxometry and MR fingerprinting [1.233122988113145]
緩和パラメータ推定のための教師なし畳み込みニューラルネットワーク(CNN)を提案する。
このネットワークは、隣接するボクセル間の残留学習と空間関係を利用して、信号緩和とブロッホシミュレーションを取り入れている。
論文 参考訳(メタデータ) (2021-12-07T16:45:21Z) - Real-Time Mapping of Tissue Properties for Magnetic Resonance
Fingerprinting [20.834829860562248]
スパイラルk空間MRFデータから直接組織特性をシームレスにマッピングする新しいエンドツーエンドディープラーニングフレームワークを提案する。
本手法は,非カルト的k-空間データを直接消費し,適応密度補正を行い,複数の組織特性マップを前方通過で予測する。
論文 参考訳(メタデータ) (2021-07-16T21:05:47Z) - Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。
我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。
私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文 参考訳(メタデータ) (2020-11-17T12:52:18Z) - Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by
Spiking Neural Network [68.43026108936029]
雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。
このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。
実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
論文 参考訳(メタデータ) (2020-07-07T08:22:56Z) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳(メタデータ) (2020-06-03T12:18:57Z) - Unsupervised Adaptive Neural Network Regularization for Accelerated
Radial Cine MRI [3.6280929178575994]
本研究では,浅部畳み込みニューラルネットワークの非教師なし学習に基づく2次元放射状シネMRIの反復的再構成手法を提案する。
ネットワークは、再構築中の解の現在の推定値のパッチを近似するように訓練される。
論文 参考訳(メタデータ) (2020-02-10T14:47:20Z) - FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for
Optical Flow Estimation [72.41370576242116]
フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。
ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。
実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
論文 参考訳(メタデータ) (2020-01-17T07:13:51Z)
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。