Fugu-MT 論文翻訳(概要): Active Sampling for Accelerated MRI with Low-Rank Tensors

論文の概要: Active Sampling for Accelerated MRI with Low-Rank Tensors

arxiv url: http://arxiv.org/abs/2012.12496v1
Date: Wed, 23 Dec 2020 05:35:04 GMT
ステータス: 処理完了
システム内更新日: 2021-04-26 05:25:04.386371
Title: Active Sampling for Accelerated MRI with Low-Rank Tensors
Title（参考訳）: 低域テンソルを用いた加速度MRIの能動サンプリング
Authors: Zichang He, Bo Zhao, Zheng Zhang
Abstract要約: 高速MRIのためのアクティブ低ランクテンソルモデルを提案する。 Query-by-Committeeモデルに基づくアクティブサンプリング手法を提案する。 3次元MRIデータセットの数値実験により,提案手法の有効性が示された。
参考スコア（独自算出の注目度）: 7.997243378619592
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Magnetic resonance imaging (MRI) is a powerful imaging modality that revolutionizes medicine and biology. The imaging speed of high-dimensional MRI is often limited, which constrains its practical utility. Recently, low-rank tensor models have been exploited to enable fast MR imaging with sparse sampling. Most existing methods use some pre-defined sampling design, and active sensing has not been explored for low-rank tensor imaging. In this paper, we introduce an active low-rank tensor model for fast MR imaging.We propose an active sampling method based on a Query-by-Committee model, making use of the benefits of low-rank tensor structure. Numerical experiments on a 3-D MRI data set demonstrate the effectiveness of the proposed method.
Abstract（参考訳）: 磁気共鳴イメージング(MRI)は医学や生物学に革命をもたらす強力な画像モダリティである。高次元MRIの撮像速度はしばしば制限され、実用性は制限される。近年,スパースサンプリングによる高速MRイメージングを実現するために,低ランクテンソルモデルが利用されている。既存の手法の多くは事前定義されたサンプリング設計を用いており、アクティブセンシングはローランクテンソルイメージングには適用されていない。本稿では,高速MRイメージングのための能動的低ランクテンソルモデルを提案し,低ランクテンソル構造を利用したクエリ・バイ・コミッテモデルに基づくアクティブサンプリング手法を提案する。 3次元MRIデータセットの数値実験により,提案手法の有効性が示された。

関連論文リスト

Accelerated, Robust Lower-Field Neonatal MRI with Generative Models [2.508200203858861]
新生児MRI(Neonatal Magnetic Resonance Imaging)は、早期発達期における脳の異常の非侵襲的評価を可能にする。近年、新生児集中治療ユニット(NICU)の移植性とアクセスのために磁場強度をトレードオフする低磁場(すなわち1.5テスラ以下)MRIシステムへの関心が高まっている。この研究は、拡散に基づく生成モデルと信号処理に基づくモーションモデリングにより、運動堅牢性を改善し、低磁場新生児MRIを加速する。
論文参考訳（メタデータ） (2024-10-28T23:12:09Z)
Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with Feature Extraction [3.2088888904556123]
合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
論文参考訳（メタデータ） (2023-10-31T16:39:56Z)
Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文参考訳（メタデータ） (2023-10-16T13:58:53Z)
Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
論文参考訳（メタデータ） (2023-06-05T22:09:06Z)
Deep Factor Model: A Novel Approach for Motion Compensated Multi-Dimensional MRI [17.78406225721058]
本稿では、マルチコントラスト画像時系列の効率的な表現を提供するDeep Factor Modelと呼ばれる新しい手法を提案する。このアプローチは、運動推定と補償を統合し、スキャン中の被写体の動きに対して頑健なアプローチとなる。
論文参考訳（メタデータ） (2023-03-31T19:54:44Z)
A scan-specific unsupervised method for parallel MRI reconstruction via implicit neural representation [9.388253054229155]
暗黙的神経表現(INR)は、物体の内部連続性を学ぶための新しいディープラーニングパラダイムとして登場した。提案手法は,アーティファクトやノイズのエイリアスを抑えることにより,既存の手法よりも優れる。良質な結果と走査特異性により,提案手法は並列MRIのデータ取得をさらに加速させる可能性を秘めている。
論文参考訳（メタデータ） (2022-10-19T10:16:03Z)
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)
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)
Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural Network [18.433956246011466]
本研究では,運動ブラスト心画像から空間的特徴と時間的特徴を同時に抽出するリカレントニューラルネットワークを提案する。実験の結果,2つの臨床検査データセットの画質が有意に向上した。
論文参考訳（メタデータ） (2020-06-23T01:55:57Z)
Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文参考訳（メタデータ） (2020-02-25T14:48:17Z)
Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。