論文の概要: LAPNet: Non-rigid Registration derived in k-space for Magnetic Resonance Imaging

• arxiv url: http://arxiv.org/abs/2107.09060v1
• Date: Mon, 19 Jul 2021 15:39:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-22 02:30:48.867073
• Title: LAPNet: Non-rigid Registration derived in k-space for Magnetic Resonance Imaging
• Title（参考訳）: LAPNet:磁気共鳴イメージングのためのk空間からの非剛性レジストレーション
• Authors: Thomas K\"ustner, Jiazhen Pan, Haikun Qi, Gastao Cruz, Christopher Gilliam, Thierry Blu, Bin Yang, Sergios Gatidis, Ren\'e Botnar, Claudia Prieto
• Abstract要約: 胸部スキャン中にこのような動きを補正する動き補正技術が提案されている。 特に興味と課題は、アンダーサンプリングされた動き分解データから信頼できる非剛体運動場の導出にある。 アンダーサンプされたk空間データから高速かつ正確な非剛性登録を行うためのディープラーニングに基づく手法を提案する。
• 参考スコア（独自算出の注目度）: 28.404584219735074
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physiological motion, such as cardiac and respiratory motion, during Magnetic Resonance (MR) image acquisition can cause image artifacts. Motion correction techniques have been proposed to compensate for these types of motion during thoracic scans, relying on accurate motion estimation from undersampled motion-resolved reconstruction. A particular interest and challenge lie in the derivation of reliable non-rigid motion fields from the undersampled motion-resolved data. Motion estimation is usually formulated in image space via diffusion, parametric-spline, or optical flow methods. However, image-based registration can be impaired by remaining aliasing artifacts due to the undersampled motion-resolved reconstruction. In this work, we describe a formalism to perform non-rigid registration directly in the sampled Fourier space, i.e. k-space. We propose a deep-learning based approach to perform fast and accurate non-rigid registration from the undersampled k-space data. The basic working principle originates from the Local All-Pass (LAP) technique, a recently introduced optical flow-based registration. The proposed LAPNet is compared against traditional and deep learning image-based registrations and tested on fully-sampled and highly-accelerated (with two undersampling strategies) 3D respiratory motion-resolved MR images in a cohort of 40 patients with suspected liver or lung metastases and 25 healthy subjects. The proposed LAPNet provided consistent and superior performance to image-based approaches throughout different sampling trajectories and acceleration factors.
• Abstract（参考訳）: 磁気共鳴(MR)画像取得時の心臓や呼吸運動などの生理的動きは、画像アーティファクトを引き起こす可能性がある。 胸部スキャン中のこれらの動きを補正する動き補正手法が提案されているが、これはアンサンプされた動き分解再構成による正確な動き推定に依存する。 特に興味と課題は、アンダーサンプリングされた動き分解データから信頼できる非剛体運動場の導出にある。 運動推定は通常、拡散法、パラメトリックスプライン法、光フロー法によって画像空間で定式化される。 しかし、画像に基づく登録は、アンサンプリングされたモーションリゾリューションによるエイリアスアーティファクトの残すことにより、損なわれる可能性がある。 本研究では, サンプルフーリエ空間において, 非剛性登録を直接行う形式について述べる。 k空間。 アンダーサンプされたk空間データから高速かつ正確な非剛性登録を行うためのディープラーニングに基づく手法を提案する。 基本動作原理は、最近導入された光フローベース登録であるローカルオールパス(LAP)技術に由来する。 提案するlapnetは,肝・肺転移の疑いのある40例,健常者25例のコホートにおいて,従来型および深層学習型画像登録と比較し,完全サンプリング,高度に加速された3次元呼吸運動分解mr画像を用いて検討した。 提案するlapnetは,様々なサンプリングトラジェクタと加速度係数を通して,画像ベースアプローチに一貫性と優れた性能を提供する。

関連論文リスト

• Highly efficient non-rigid registration in k-space with application to cardiac Magnetic Resonance Imaging [10.618048010632728]
  非剛性動作推定のためのローカル・オール・パス・アテンション・ネットワーク(LAPANet)と呼ばれる,自己教師型深層学習に基づく新しいフレームワークを提案する。 LAPANetは,種々のサンプリング軌跡と加速度速度で心運動推定を行った。 非剛性運動に対する高時間分解能(5ミリ秒未満)は、動的およびリアルタイムMRIアプリケーションにおける動きの検出、追跡、修正のための新しい道を開く。
  論文  参考訳（メタデータ） (2024-10-24T15:19:59Z)
• LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation [5.377722774297911]
  本稿では,標準CMRビデオから高精度なDENSE動作を予測するため,新しいラミネートモーション拡散モデル(LaMoD)を提案する。 実験の結果,提案手法であるLaMoDは標準CMR画像の動作解析の精度を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2024-07-02T12:54:32Z)
• Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
  我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。 我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。 本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
  論文  参考訳（メタデータ） (2024-04-26T14:25:07Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
  動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。 標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。 Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
  論文  参考訳（メタデータ） (2024-04-02T13:43:08Z)
• DiffusionPCR: Diffusion Models for Robust Multi-Step Point Cloud Registration [73.37538551605712]
  ポイントクラウド登録(PCR)は、2つのポイントクラウド間の相対的な厳密な変換を推定する。 本稿では, PCR を拡散確率過程として定式化し, ノイズ変換を基礎的真理にマッピングする。 実験ではDiffusionPCRの有効性を示し,3Dおよび3DLoMatchに対する最先端の登録リコール率(95.3%/81.6%)を得た。
  論文  参考訳（メタデータ） (2023-12-05T18:59:41Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• MomentaMorph: Unsupervised Spatial-Temporal Registration with Momenta, Shooting, and Correction [12.281250177881445]
  本稿では,反復パターンと大動きの存在下でのラグランジアン運動推定のための新しい枠組みを提案する。 2次元合成データセットと実3次元tMRIデータセットの結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-08-05T20:32:30Z)
• Which K-Space Sampling Schemes is good for Motion Artifact Detection in Magnetic Resonance Imaging? [0.0]
  モーションアーティファクトは、磁気共鳴イメージング(MRI)試験で一般的な発生です。 本研究では, カルテシアン, 均一スパイラル, ラジアルを含む3種類のk空間サンプラーが運動誘起画像歪みに及ぼす影響について検討する。
  論文  参考訳（メタデータ） (2021-03-15T16:38:40Z)
• 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)
• 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)

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。