論文の概要: Motion Artifact Reduction in Quantitative Susceptibility Mapping using
Deep Neural Network
- arxiv url: http://arxiv.org/abs/2105.01746v1
- Date: Tue, 4 May 2021 20:32:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-07 00:25:55.309541
- Title: Motion Artifact Reduction in Quantitative Susceptibility Mapping using
Deep Neural Network
- Title(参考訳): 深部ニューラルネットワークを用いた定量的サセプティビリティマッピングにおける動きアーチファクトの低減
- Authors: Chao Li, Hang Zhang, Jinwei Zhang, Pascal Spincemaille, Thanh
D.Nguyen, Yi Wang
- Abstract要約: ランダムに生成した動きプロファイルを持つアフィンモーションモデルを用いて、動作破損したQSM画像をシミュレートする。
シミュレーションQSM画像は、その動きのない参照と組み合わせて、教師あり学習を用いてニューラルネットワークを訓練する。
トレーニングされたネットワークは、健康なボランティアやパーキンソン病の患者で、目に見えない動きによるQSM画像でテストされる。
- 参考スコア(独自算出の注目度): 9.701598172850847
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An approach to reduce motion artifacts in Quantitative Susceptibility Mapping
using deep learning is proposed. We use an affine motion model with randomly
created motion profiles to simulate motion-corrupted QSM images. The simulated
QSM image is paired with its motion-free reference to train a neural network
using supervised learning. The trained network is tested on unseen simulated
motion-corrupted QSM images, in healthy volunteers and in Parkinson's disease
patients. The results show that motion artifacts, such as ringing and ghosting,
were successfully suppressed.
- Abstract(参考訳): 深層学習を用いた定量的サセプティビリティマッピングにおける動きアーチファクトの削減手法を提案する。
ランダムに生成した動きプロファイルを持つアフィンモーションモデルを用いて、動作破損したQSM画像をシミュレートする。
シミュレーションQSM画像は、その動きのない参照と組み合わせて、教師あり学習を用いてニューラルネットワークを訓練する。
トレーニングされたネットワークは、健康なボランティアやパーキンソン病の患者で、目に見えない動きによるQSM画像でテストされる。
その結果, 鳴き声やゴースト音などの運動人工物が抑制された。
関連論文リスト
- SISMIK for brain MRI: Deep-learning-based motion estimation and
model-based motion correction in k-space [0.0]
本研究では,平面内剛体運動の問題に対処するために,運動量化と補正の振り返り手法を提案する。
我々は、深層ニューラルネットワークを用いてk空間の運動パラメータを推定し、モデルベースのアプローチで劣化した画像を復元し、「幻覚」を避ける。
提案手法はk空間のダイナミックレンジ全体で動作し,高調波の低SNRの影響を受けやすい。
論文 参考訳(メタデータ) (2023-12-20T17:38:56Z) - Masked Motion Predictors are Strong 3D Action Representation Learners [143.9677635274393]
人間の3次元行動認識では、教師付きデータが限られており、トランスフォーマーのような強力なネットワークのモデリング能力を十分に活用することは困難である。
人間の関節において、マスク付き自己成分再構成を行うための一般的な前提に従わず、明示的な文脈運動モデリングが、3次元動作認識のための効果的な特徴表現の学習の成功の鍵となることを示す。
論文 参考訳(メタデータ) (2023-08-14T11:56:39Z) - CALM: Conditional Adversarial Latent Models for Directable Virtual
Characters [71.66218592749448]
本研究では,ユーザが制御する対話型仮想キャラクタに対して,多種多様かつ指示可能な振る舞いを生成するための条件付き適応潜在モデル(CALM)を提案する。
模倣学習を用いて、CALMは人間の動きの複雑さを捉える動きの表現を学び、キャラクターの動きを直接制御できる。
論文 参考訳(メタデータ) (2023-05-02T09:01:44Z) - Retrospective Motion Correction in Gradient Echo MRI by Explicit Motion
Estimation Using Deep CNNs [0.0]
深部畳み込み神経回路網(深部CNN)を用いた動きアーチファクトの補正手法を提案する。
我々は、Deep CNNを用いて、より複雑な運動場に剛性運動補償の概念を一般化できることを示した。
論文 参考訳(メタデータ) (2023-03-30T09:16:13Z) - Data Consistent Deep Rigid MRI Motion Correction [9.551748050454378]
運動アーティファクトはMRIの広範にわたる問題であり、人口レベルの画像研究において誤診や誤認を引き起こす。
現在の反射型剛性運動補正技術は、画像と運動パラメータの推定を共同で最適化する。
本稿では,厳密な動きパラメータのみを探索するために,深層ネットワークを用いて共同動画像パラメータ探索を削減した。
論文 参考訳(メタデータ) (2023-01-25T00:21:31Z) - Annealed Score-Based Diffusion Model for MR Motion Artifact Reduction [37.41561581618164]
モーションアーティファクトリダクションは、MRイメージングにおいて重要な研究トピックの1つである。
我々はMRIの動作アーチファクト低減のためのアニール式スコアベース拡散モデルを提案する。
実験により, 提案手法は, シミュレーションおよび生体内動作アーティファクトの両方を効果的に低減することを確認した。
論文 参考訳(メタデータ) (2023-01-08T12:16:08Z) - Neural Maximum A Posteriori Estimation on Unpaired Data for Motion
Deblurring [87.97330195531029]
本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。
提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
論文 参考訳(メタデータ) (2022-04-26T08:09:47Z) - Neural Computed Tomography [1.7188280334580197]
一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。
動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
論文 参考訳(メタデータ) (2022-01-17T18:50:58Z) - MotionHint: Self-Supervised Monocular Visual Odometry with Motion
Constraints [70.76761166614511]
モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。
我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
論文 参考訳(メタデータ) (2021-09-14T15:35:08Z) - A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions
Artefacts in MRI Scans [63.28835187934139]
本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。
提案法は患者の多動運動によって生成された人工物に応用できる。
論文 参考訳(メタデータ) (2020-06-24T15:25:11Z) - Self-Supervised Linear Motion Deblurring [112.75317069916579]
深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。
本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。
我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
論文 参考訳(メタデータ) (2020-02-10T20:15:21Z)
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。