論文の概要: Dual-Octave Convolution for Accelerated Parallel MR Image Reconstruction

• arxiv url: http://arxiv.org/abs/2104.05345v1
• Date: Mon, 12 Apr 2021 10:51:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-14 00:52:16.511647
• Title: Dual-Octave Convolution for Accelerated Parallel MR Image Reconstruction
• Title（参考訳）: 高速並列MR画像再構成のためのデュアルオクタベ・コンボリューション
• Authors: Chun-Mei Feng, Zhanyuan Yang, Geng Chen, Yong Xu, Ling Shao
• Abstract要約: 本稿では,実物と虚構の両方から,多次元空間周波数特徴を学習可能なDual-Octave Convolution(Dual-OctConv)を提案する。 オクターブ畳み込みによる複雑な操作を改質することで、MR画像のよりリッチな表現を捉える強力な能力を示す。
• 参考スコア（独自算出の注目度）: 75.35200719645283
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Magnetic resonance (MR) image acquisition is an inherently prolonged process, whose acceleration by obtaining multiple undersampled images simultaneously through parallel imaging has always been the subject of research. In this paper, we propose the Dual-Octave Convolution (Dual-OctConv), which is capable of learning multi-scale spatial-frequency features from both real and imaginary components, for fast parallel MR image reconstruction. By reformulating the complex operations using octave convolutions, our model shows a strong ability to capture richer representations of MR images, while at the same time greatly reducing the spatial redundancy. More specifically, the input feature maps and convolutional kernels are first split into two components (i.e., real and imaginary), which are then divided into four groups according to their spatial frequencies. Then, our Dual-OctConv conducts intra-group information updating and inter-group information exchange to aggregate the contextual information across different groups. Our framework provides two appealing benefits: (i) it encourages interactions between real and imaginary components at various spatial frequencies to achieve richer representational capacity, and (ii) it enlarges the receptive field by learning multiple spatial-frequency features of both the real and imaginary components. We evaluate the performance of the proposed model on the acceleration of multi-coil MR image reconstruction. Extensive experiments are conducted on an {in vivo} knee dataset under different undersampling patterns and acceleration factors. The experimental results demonstrate the superiority of our model in accelerated parallel MR image reconstruction. Our code is available at: github.com/chunmeifeng/Dual-OctConv.
• Abstract（参考訳）: 磁気共鳴(MR)画像取得は本質的に長いプロセスであり、複数のアンダーサンプル画像の同時取得による加速は、常に研究の対象となっている。 本稿では,実成分と虚成分の両方からマルチスケールな空間周波数特徴を学習し,高速並列mr画像再構成を実現するデュアルオクターブ畳み込み(dual-octconv)を提案する。 オクターブ畳み込みを用いて複素演算を再構成することにより,mr画像のよりリッチな表現を捉えることができると同時に,空間冗長性を大幅に低減できることを示す。 より具体的には、入力特徴写像と畳み込み核はまず2つの成分(実数と虚数)に分割され、次にその空間周波数に応じて4つの群に分けられる。 次に、グループ内情報更新およびグループ間情報交換を行い、異なるグループ間でコンテキスト情報を集約する。 i) 様々な空間周波数における実成分と虚成分の相互作用を奨励し、よりリッチな表現能力を達成すること,および (ii) 実成分と虚成分の複数の空間周波数特性を学習することで受容場を拡大することである。 マルチコイルMR画像再構成の高速化における提案モデルの性能評価を行った。 異なるアンダーサンプリングパターンと加速度因子の下で,in vivo(in vivo)膝データセットを用いた広範囲な実験を行った。 高速並列MR画像再構成におけるモデルの有用性を実験的に検証した。 私たちのコードは、github.com/chunmeifeng/Dual-OctConvで利用可能です。

関連論文リスト

• Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
  我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。 より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。 我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
  論文  参考訳（メタデータ） (2024-05-08T11:09:24Z)
• Global k-Space Interpolation for Dynamic MRI Reconstruction using Masked Image Modeling [10.74920257710449]
  ダイナミックMRI(Dynamic Magnetic Imaging)では、k空間はスキャン時間に制限があるためアンサンプされることが多い。 我々は,k-GINと呼ばれるトランスフォーマーベースのk空間グローバル補間ネットワークを提案する。 我々のk-GINは、2D+t k空間の低周波成分と高周波成分のグローバル依存関係を学習し、アンサンプされたデータを補間する。
  論文  参考訳（メタデータ） (2023-07-24T10:20:14Z)
• Image Reconstruction for Accelerated MR Scan with Faster Fourier Convolutional Neural Networks [87.87578529398019]
  部分走査は、磁気共鳴イメージング(MRI)データ取得を2次元および3次元の両方で加速する一般的な手法である。 本稿では,Faster Fourier Convolution (FasterFC) と呼ばれる新しい畳み込み演算子を提案する。 2次元加速MRI法であるFasterFC-End-to-End-VarNetは、FasterFCを用いて感度マップと再構成品質を改善する。 k空間領域再構成を誘導する単一グループアルゴリズムを用いたFasterFC-based Single-to-group Network (FAS-Net) と呼ばれる3次元加速MRI法
  論文  参考訳（メタデータ） (2023-06-05T13:53:57Z)
• 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)
• Orthonormal Convolutions for the Rotation Based Iterative Gaussianization [64.44661342486434]
  本稿では、画像ガウス化を可能にする回転型反復ガウス化RBIGの拡張について詳述する。 RBIGの回転は主成分分析や独立成分分析に基づくため、画像では小さな画像パッチや孤立画素に制限されている。 emphConvolutional RBIG:この問題を緩和する拡張として,RBIGの回転が畳み込みであることを示す。
  論文  参考訳（メタデータ） (2022-06-08T12:56:34Z)
• DONet: Dual-Octave Network for Fast MR Image Reconstruction [98.04121143761017]
  Dual-Octave Network (DONet) はMRデータの実像と虚像の両方からマルチスケールの空間周波数特徴を学習することができる。 私達のフレームワークは3つの魅力的な利点を提供します。
  論文  参考訳（メタデータ） (2021-05-12T21:41:02Z)
• Joint Frequency and Image Space Learning for MRI Reconstruction and Analysis [7.821429746599738]
  本稿では、周波数空間データから再構成するための汎用的なビルディングブロックとして、周波数と画像の特徴表現を明示的に組み合わせたニューラルネットワーク層が利用できることを示す。 提案した共同学習方式により、周波数空間に固有のアーティファクトの補正と画像空間表現の操作を両立させ、ネットワークのすべての層でコヒーレントな画像構造を再構築することができる。
  論文  参考訳（メタデータ） (2020-07-02T23:54:46Z)

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。