Fugu-MT 論文翻訳(概要): GRAPPA-GANs for Parallel MRI Reconstruction

論文の概要: GRAPPA-GANs for Parallel MRI Reconstruction

arxiv url: http://arxiv.org/abs/2101.03135v2
Date: Mon, 15 Feb 2021 19:48:12 GMT
ステータス: 処理完了
システム内更新日: 2021-04-11 11:39:59.922769
Title: GRAPPA-GANs for Parallel MRI Reconstruction
Title（参考訳）: 並列MRIにおけるGRAPPA-GAN
Authors: Nader Tavaf, Amirsina Torfi, Kamil Ugurbil, Pierre-Francois Van de Moortele
Abstract要約: GeneRalized Autocalibrating partial Parallel Acquisition(GRAPPA)と条件付き生成逆ネットワーク(GAN)を組み合わせた再構成モデルを開発した。各種加速速度について,GANとGRAPPAをピーク信号対雑音比(PSNR)と構造類似度(SSIM)で比較した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: k-space undersampling is a standard technique to accelerate MR image acquisitions. Reconstruction techniques including GeneRalized Autocalibrating Partial Parallel Acquisition(GRAPPA) and its variants are utilized extensively in clinical and research settings. A reconstruction model combining GRAPPA with a conditional generative adversarial network (GAN) was developed and tested on multi-coil human brain images from the fastMRI dataset. For various acceleration rates, GAN and GRAPPA reconstructions were compared in terms of peak signal-to-noise ratio (PSNR) and structural similarity (SSIM). For an acceleration rate of R=4, PSNR improved from 33.88 using regularized GRAPPA to 37.65 using GAN. GAN consistently outperformed GRAPPA for various acceleration rates.
Abstract（参考訳）: k空間アンダーサンプリングはMR画像取得を高速化する標準的な手法である。 GeneRalized Autocalibrating partial Parallel Acquisition(GRAPPA)とその変異体を含む再建技術は、臨床および研究環境で広く利用されている。 GRAPPAと条件付き生成逆数ネットワーク(GAN)を組み合わせた再構成モデルを開発し, 高速MRIデータセットを用いたマルチコイルヒト脳画像を用いて実験を行った。様々な加速速度について, ピーク信号対雑音比 (psnr) と構造類似度 (ssim) を用いてganとgrappaの再構成を比較検討した。 R=4の加速速度では、PSNRは正規化GRAPPAを使用して33.88からGANを使って37.65に改善された。 GANはGRAPPAを様々な加速速度で一貫して上回った。

関連論文リスト

On the Foundation Model for Cardiac MRI Reconstruction [6.284878525302227]
本稿では,適応アンロール,チャネルシフト,パターンとコントラスト-プロンプト-UNetを用いた基礎モデルを提案する。 PCP-UNetは画像コントラストとサンプリングパターンプロンプトを備える。
論文参考訳（メタデータ） (2024-11-15T18:15:56Z)
Deep Multi-contrast Cardiac MRI Reconstruction via vSHARP with Auxiliary Refinement Network [7.043932618116216]
本稿では,2次元動的マルチコントラスト,マルチスキーム,マルチアクセラレーションMRIの深層学習に基づく再構成手法を提案する。提案手法は,半2乗変数分割とADMM最適化を利用した最先端のvSHARPモデルを統合する。
論文参考訳（メタデータ） (2024-11-02T15:59:35Z)
Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
論文参考訳（メタデータ） (2023-07-12T00:01:00Z)
Hybrid Parallel Imaging and Compressed Sensing MRI Reconstruction with GRAPPA Integrated Multi-loss Supervised GAN [2.7110495144693374]
本稿では, 再構成画像のデエイリアスのために, マルチモーダルな損失を抑える新しいGAN(Generative Adversarial Network)を提案する。提案手法は, 画像品質の向上に寄与し, 5倍, 10倍の高速化を実現した。
論文参考訳（メタデータ） (2022-09-19T07:26:45Z)
REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文参考訳（メタデータ） (2022-08-17T03:42:19Z)
OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文参考訳（メタデータ） (2022-06-17T08:11:26Z)
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)
Fast MRI Reconstruction: How Powerful Transformers Are? [1.523157765626545]
k空間アンサンプと深層学習に基づく再構成による手法が、スキャンプロセスの高速化のために一般化されている。特に、高速MRI再構成のために、GAN(Generative Adversarial Network)ベースのSwin Transformer(ST-GAN)を導入した。異なるアンダーサンプリング条件からのMRI再建には,トランスフォーマーが有効であることを示す。
論文参考訳（メタデータ） (2022-01-23T23:41:48Z)
Iterative RAKI with Complex-Valued Convolution for Improved Image Reconstruction with Limited Scan-Specific Training Samples [0.0]
本研究では,標準2次元画像の再構成品質に及ぼすトレーニングデータの影響について検討した。初期GRAPPA再構成によるトレーニングデータ拡張と、反復訓練による畳み込みフィルタの改良を含む反復k空間アプローチ(iRAKI)を評価する。
論文参考訳（メタデータ） (2022-01-10T16:14:27Z)
Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
論文参考訳（メタデータ） (2021-08-12T08:46:35Z)
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)

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。