論文の概要: eRAKI: Fast Robust Artificial neural networks for K-space Interpolation (RAKI) with Coil Combination and Joint Reconstruction

• arxiv url: http://arxiv.org/abs/2108.04218v1
• Date: Wed, 7 Jul 2021 12:52:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-23 04:08:15.400959
• Title: eRAKI: Fast Robust Artificial neural networks for K-space Interpolation (RAKI) with Coil Combination and Joint Reconstruction
• Title（参考訳）: eRAKI:コイル結合と関節再建を併用したK空間補間(RAKI)のための高速ロバストニューラルネットワーク
• Authors: Heng Yu, Zijing Dong, Yamin Arefeen, Congyu Liao, Kawin Setsompop, Berkin Bilgic
• Abstract要約: RAKIは、個々のスキャンから自動校正信号(ACS)のみを使用して、トレーニングモデルによりデータベース無しのMRI再構成を行うことができる。 個々のコイルごとに個別のモデルを訓練するので、RAKIによる学習と推論は、特に大規模な3Dデータセットでは、計算的に禁止される。 本稿では,コイル結合ターゲットを直接学習することで200回以上RAKIを加速し,複数エコー間の関節再建による再建性能の向上を図る。
• 参考スコア（独自算出の注目度）: 8.466186229613546
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: RAKI can perform database-free MRI reconstruction by training models using only auto-calibration signal (ACS) from each specific scan. As it trains a separate model for each individual coil, learning and inference with RAKI can be computationally prohibitive, particularly for large 3D datasets. In this abstract, we accelerate RAKI more than 200 times by directly learning a coil-combined target and further improve the reconstruction performance using joint reconstruction across multiple echoes together with an elliptical-CAIPI sampling approach. We further deploy these improvements in quantitative imaging and rapidly obtain T2 and T2* parameter maps from a fast EPTI scan.
• Abstract（参考訳）: RAKIは、個々のスキャンから自動校正信号(ACS)のみを使用して、トレーニングモデルによりデータベースのないMRI再構成を行うことができる。 個々のコイルに対して別々のモデルをトレーニングするため、rakiによる学習と推論は、特に大規模な3dデータセットでは、計算的に禁止される。 本稿では,コイル結合ターゲットを直接学習することで200回以上RAKIを加速し,複数エコー間の関節再建と楕円型CAIPIサンプリングによる再構成性能の向上を図る。 さらに,これらの改良を定量的画像に展開し,高速EPTIスキャンからT2およびT2*パラメータマップを迅速に取得する。

関連論文リスト

• 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)
• On Retrospective k-space Subsampling schemes For Deep MRI Reconstruction [2.4934936799100034]
  直交的または非直交的軌跡はMRIスキャナーで代替のサブサンプリングオプションとして実装することができる。 本研究は,1k$-spaceサブサンプリング方式がMRIの再構成精度に及ぼす影響について検討する。
  論文  参考訳（メタデータ） (2023-01-20T00:05:18Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
  アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。 これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。 我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
  論文  参考訳（メタデータ） (2022-07-18T06:01:29Z)
• Three-Dimensional Embedded Attentive RNN (3D-EAR) Segmentor for Left Ventricle Delineation from Myocardial Velocity Mapping [1.8653386811342048]
  MVM-CMRデータセットのための組み込みマルチチャネルアテンション機構とLSTMベースのリカレントニューラルネットワーク(RNN)を備えた3D-UNETバックボーンアーキテクチャを組み込んだ新しいフルオートマチックフレームワークを提案する。 3D-UNETのベースラインモデルと、組み込み型LSTMモジュールと各種損失関数の有無の比較により、提案モデルが最先端のベースラインモデルより大幅に改善されたことを実証できます。
  論文  参考訳（メタデータ） (2021-04-26T11:04:43Z)
• PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
  歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。 本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-17T08:28:30Z)
• An End-To-End-Trainable Iterative Network Architecture for Accelerated Radial Multi-Coil 2D Cine MR Image Reconstruction [4.233498905999929]
  我々は,複数のレシーバコイルを用いた加速2次元放射状シネMRIの画像再構成のためのCNNアーキテクチャを提案する。 提案手法を学習的・非学習的正規化手法と比較し,提案手法を他のよく知られた再構築手法と比較する。
  論文  参考訳（メタデータ） (2021-02-01T11:42:04Z)
• Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
  本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。 提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-01-12T20:08:18Z)
• Multi-view Depth Estimation using Epipolar Spatio-Temporal Networks [87.50632573601283]
  一つのビデオから多視点深度を推定する新しい手法を提案する。 提案手法は,新しいEpipolar Spatio-Temporal Transformer(EST)を用いて時間的コヒーレントな深度推定を行う。 最近のMixture-of-Expertsモデルにインスパイアされた計算コストを削減するため、我々はコンパクトなハイブリッドネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-26T04:04:21Z)
• Unpaired Deep Learning for Accelerated MRI using Optimal Transport Driven CycleGAN [33.68599686848292]
  最適輸送駆動サイクル一貫性生成対向ネットワーク(OT-cycleGAN)を用いた未ペア深層学習手法を提案する。 提案するOT-cycleGANアーキテクチャは, 特別に設計された最小二乗法を用いて, 最適輸送定式化の双対な定式化から厳密に導かれる。
  論文  参考訳（メタデータ） (2020-08-29T12:02:49Z)
• Enhancing Fiber Orientation Distributions using convolutional Neural Networks [0.0]
  商業的に取得したMRIにおけるFODの改善について学ぶ。 パッチベースの3次元畳み込みニューラルネットワーク(CNN)の評価 本手法により,シングルシェルdMRI取得プロトコル上でのCDDモデル推定が可能となる。
  論文  参考訳（メタデータ） (2020-08-12T16:06:25Z)

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。