Fugu-MT 論文翻訳(概要): Deep Simultaneous Optimisation of Sampling and Reconstruction for Multi-contrast MRI

論文の概要: Deep Simultaneous Optimisation of Sampling and Reconstruction for Multi-contrast MRI

arxiv url: http://arxiv.org/abs/2103.16744v1
Date: Wed, 31 Mar 2021 00:45:58 GMT
ステータス: 処理完了
システム内更新日: 2021-04-01 14:23:34.072955
Title: Deep Simultaneous Optimisation of Sampling and Reconstruction for Multi-contrast MRI
Title（参考訳）: マルチコントラストMRIにおけるサンプリングと再構成の深部同時最適化
Authors: Xinwen Liu, Jing Wang, Fangfang Tang, Shekhar S. Chandra, Feng Liu, and Stuart Crozier
Abstract要約: 一つのコントラストの最適化サンプリングパターンと再構成スキームを生成するアルゴリズムを提案する。提案アルゴリズムはPSNRとSSIMの増大を最適サンプリングパターンで達成する。
参考スコア（独自算出の注目度）: 6.981200113164422
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: MRI images of the same subject in different contrasts contain shared information, such as the anatomical structure. Utilizing the redundant information amongst the contrasts to sub-sample and faithfully reconstruct multi-contrast images could greatly accelerate the imaging speed, improve image quality and shorten scanning protocols. We propose an algorithm that generates the optimised sampling pattern and reconstruction scheme of one contrast (e.g. T2-weighted image) when images with different contrast (e.g. T1-weighted image) have been acquired. The proposed algorithm achieves increased PSNR and SSIM with the resulting optimal sampling pattern compared to other acquisition patterns and single contrast methods.
Abstract（参考訳）: 異なるコントラストの同じ被験者のMRI画像は、解剖学的構造のような共有情報を含んでいる。サブサンプルのコントラスト間の冗長な情報を活用し、マルチコントラスト画像の忠実な再構成は、画像のスピードを大幅に加速し、画質を改善し、走査プロトコルを短縮する。本稿では,1つのコントラストの最適化サンプリングパターンと再構成スキームを生成するアルゴリズムを提案する。 T2強調画像) 異なるコントラストを持つ画像(例) T1強調画像)が取得された。提案アルゴリズムはPSNRとSSIMの増大を他の取得パターンや単一コントラスト法と比較して最適なサンプリングパターンで達成する。

関連論文リスト

DuDoUniNeXt: Dual-domain unified hybrid model for single and multi-contrast undersampled MRI reconstruction [24.937435059755288]
そこで我々はDuDoUniNeXtを提案する。DuDoUniNeXtは、不在、低品質、高品質な参照画像を含むシナリオに対応可能な、統合されたデュアルドメインMRI再構成ネットワークである。実験により,提案モデルが最先端のSCモデルとMCモデルを大幅に上回ることを示した。
論文参考訳（メタデータ） (2024-03-08T12:26:48Z)
Dual-Domain Multi-Contrast MRI Reconstruction with Synthesis-based Fusion Network [8.721677700107639]
提案手法は,ディープラーニングに基づくアンダーサンプリング対象コントラストの最適化を容易にする。本手法は,(1)対象コントラストに類似したデータを基準コントラストから合成すること,(2)マルチコントラストデータを登録してスキャン間運動を低減すること,(3)対象コントラストを再構成するための登録データを活用すること,の3つの重要なステップから構成される。提案手法は,最先端のアルゴリズムと比較して,最大8倍の加速速度を示す。
論文参考訳（メタデータ） (2023-12-01T15:40:26Z)
Deep Unfolding Convolutional Dictionary Model for Multi-Contrast MRI Super-resolution and Reconstruction [23.779641808300596]
最適化アルゴリズムの指導の下で,マルチコントラスト畳み込み辞書(MC-CDic)モデルを提案する。近似勾配アルゴリズムを用いてモデルを最適化し、反復的なステップを深部CDicモデルに展開する。実験により,既存のSOTA法に対して提案したMC-CDicモデルの方が優れた性能を示した。
論文参考訳（メタデータ） (2023-09-03T13:18:59Z)
JoJoNet: Joint-contrast and Joint-sampling-and-reconstruction Network for Multi-contrast MRI [49.29851365978476]
提案フレームワークは,各画像コントラストに対するサンプリングマスク生成器と,コントラスト間相関と繰り返し構造とを併用した再構成器とから構成される。各画像コントラストの加速度比も学習可能であり、下流タスク性能によって駆動することができる。
論文参考訳（メタデータ） (2022-10-22T20:46:56Z)
Model-Guided Multi-Contrast Deep Unfolding Network for MRI Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文参考訳（メタデータ） (2022-09-15T03:58:30Z)
Transformer-empowered Multi-scale Contextual Matching and Aggregation for Multi-contrast MRI Super-resolution [55.52779466954026]
マルチコントラスト・スーパーレゾリューション (SR) 再構成により, SR画像の高画質化が期待できる。既存の手法では、これらの特徴をマッチングし、融合させる効果的なメカニズムが欠如している。そこで本稿では,トランスフォーマーを利用したマルチスケールコンテキストマッチングとアグリゲーション技術を開発することで,これらの問題を解決する新しいネットワークを提案する。
論文参考訳（メタデータ） (2022-03-26T01:42:59Z)
Fast T2w/FLAIR MRI Acquisition by Optimal Sampling of Information Complementary to Pre-acquired T1w MRI [52.656075914042155]
本稿では,MRIによる他のモダリティ獲得のためのアンダーサンプリングパターンを最適化するための反復的フレームワークを提案する。公開データセット上で学習したアンダーサンプリングパターンの優れた性能を実証した。
論文参考訳（メタデータ） (2021-11-11T04:04:48Z)
Exploring Separable Attention for Multi-Contrast MR Image Super-Resolution [88.16655157395785]
本稿では,SANet という,分離可能なアテンションネットワーク (優先のアテンションと背景分離のアテンションを含む) を提案する。補助コントラストの助けを借りて、前後方向の前景と背景領域を探索することができる。これは、補助コントラストを用いて前景と背景領域を予測する分離可能なアテンションメカニズムを探索する最初のモデルである。
論文参考訳（メタデータ） (2021-09-03T05:53:07Z)
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)
MR-Contrast-Aware Image-to-Image Translations with Generative Adversarial Networks [5.3580471186206005]
MR取得パラメータの反復時間とエコー時間に基づいて,画像から画像へ生成する敵ネットワークを訓練する。提案手法はピーク信号対雑音比と24.48と0.66の構造的類似性を示し,ピクセルベンチマークモデルを大幅に上回っている。
論文参考訳（メタデータ） (2021-04-03T17:05:13Z)

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。