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
- Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。
提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。
提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
論文 参考訳(メタデータ) (2024-03-12T05:06:07Z) - 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) - 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) - 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) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳(メタデータ) (2021-03-01T19:19:38Z) - Inertial Measurements for Motion Compensation in Weight-bearing
Cone-beam CT of the Knee [6.7461735822055715]
膝のCTスキャン中の不随意運動は、再建されたボリュームのアーティファクトを引き起こすため、臨床診断には使用できない。
被験者の脚に慣性測定装置(IMU)を装着し,スキャン中の運動を測定する。
論文 参考訳(メタデータ) (2020-07-09T09:26:27Z) - 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) - Registration by tracking for sequential 2D MRI [0.0]
本稿では,2次元MR画像の逐次特性を利用して変位場を推定する画像登録手法を提案する。
本手法は, セグメンテーション心データセットを用いて評価し, 従来の2つの手法と比較すると, 改善された評価結果が得られた。
論文 参考訳(メタデータ) (2020-03-24T13:12:42Z) - 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。