論文の概要: High-Resolution Pelvic MRI Reconstruction Using a Generative Adversarial
Network with Attention and Cyclic Loss
- arxiv url: http://arxiv.org/abs/2107.09989v1
- Date: Wed, 21 Jul 2021 10:07:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-22 14:18:31.784137
- Title: High-Resolution Pelvic MRI Reconstruction Using a Generative Adversarial
Network with Attention and Cyclic Loss
- Title（参考訳）: 高分解能骨盤MRI : 意図と周期的損失を伴い, 生成的対向ネットワークを用いた再建
- Authors: Guangyuan Li, Jun Lv, Xiangrong Tong, Chengyan Wang, Guang Yang
- Abstract要約: 超解像法はMRIの高速化に優れた性能を示した。
場合によっては、スキャン時間が長い場合でも高解像度画像を得るのは困難である。
我々は,周期的損失と注意機構を有するGAN(Generative Adversarial Network)を用いた新しい超解像法を提案した。
- 参考スコア（独自算出の注目度）: 3.4358954898228604
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Magnetic resonance imaging (MRI) is an important medical imaging modality,
but its acquisition speed is quite slow due to the physiological limitations.
Recently, super-resolution methods have shown excellent performance in
accelerating MRI. In some circumstances, it is difficult to obtain
high-resolution images even with prolonged scan time. Therefore, we proposed a
novel super-resolution method that uses a generative adversarial network (GAN)
with cyclic loss and attention mechanism to generate high-resolution MR images
from low-resolution MR images by a factor of 2. We implemented our model on
pelvic images from healthy subjects as training and validation data, while
those data from patients were used for testing. The MR dataset was obtained
using different imaging sequences, including T2, T2W SPAIR, and mDIXON-W. Four
methods, i.e., BICUBIC, SRCNN, SRGAN, and EDSR were used for comparison.
Structural similarity, peak signal to noise ratio, root mean square error, and
variance inflation factor were used as calculation indicators to evaluate the
performances of the proposed method. Various experimental results showed that
our method can better restore the details of the high-resolution MR image as
compared to the other methods. In addition, the reconstructed high-resolution
MR image can provide better lesion textures in the tumor patients, which is
promising to be used in clinical diagnosis.
- Abstract（参考訳）: 磁気共鳴画像(MRI)は重要な医用画像のモダリティであるが、その取得速度は生理的限界のため非常に遅い。
近年,超解像法はMRIの高速化に優れた性能を示している。
スキャン時間が長い場合でも高解像度画像を得るのは難しい場合もある。
そこで我々は,低分解能MR画像から高分解能MR画像を生成するために,周期的損失と注意機構を有するGAN(Generative Adversarial Network)を用いた新しい超解像法を提案した。
健康な被験者の骨盤像をトレーニング・検証データとして実装し, 患者からのデータを検査に使用した。
MRデータセットは,T2,T2W SPAIR,mDIXON-Wを含む異なる画像系列を用いて得られた。
提案手法の性能評価のための計算指標として,構造的類似性,ピーク信号と雑音比,根平均二乗誤差,分散インフレーション係数を用いた。
様々な実験結果から,mr画像の高分解能化が他の手法と比較して良好に再現できることが得られた。
さらに、再構成された高分解能mr画像は、腫瘍患者の病変のテクスチャが向上し、臨床診断に使用されることが期待される。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with
Feature Extraction [3.2088888904556123]
合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。
提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
論文 参考訳（メタデータ） (2023-10-31T16:39:56Z) - Dual Arbitrary Scale Super-Resolution for Multi-Contrast MRI [23.50915512118989]
マルチコントラスト超解像 (SR) 再構成により, SR画像の高画質化が期待できる。
放射線技師は、固定スケールではなく任意のスケールでMR画像を拡大することに慣れている。
本稿では,Dual-ArbNetと呼ばれる,暗黙的ニューラル表現に基づくマルチコントラストMRI超解像法を提案する。
論文 参考訳（メタデータ） (2023-07-05T14:43:26Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - 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) - Perceptual cGAN for MRI Super-resolution [1.6656334450183463]
超解像(SR)は、高分解能画像を少ない時間で合成することによって、有用性を高めるのに役立つ。
本稿では,生成的対向ネットワーク(GAN)に基づくMR画像のSR手法を提案する。
入力された低分解能画像に条件付けされた知覚損失を有する条件付きGANを導入し、等方性および異方性MRI超解像の性能を向上させる。
論文 参考訳（メタデータ） (2022-01-23T16:58:56Z) - 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) - ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep
learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。
ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文 参考訳（メタデータ） (2021-02-25T14:52:23Z) - Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural
Network [18.433956246011466]
本研究では,運動ブラスト心画像から空間的特徴と時間的特徴を同時に抽出するリカレントニューラルネットワークを提案する。
実験の結果,2つの臨床検査データセットの画質が有意に向上した。
論文 参考訳（メタデータ） (2020-06-23T01:55:57Z)
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。