論文の概要: Iterative Self-consistent Parallel Magnetic Resonance Imaging
Reconstruction based on Nonlocal Low-Rank Regularization
- arxiv url: http://arxiv.org/abs/2108.04517v1
- Date: Tue, 10 Aug 2021 08:45:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-11 14:15:19.338466
- Title: Iterative Self-consistent Parallel Magnetic Resonance Imaging
Reconstruction based on Nonlocal Low-Rank Regularization
- Title（参考訳）: 非局所低域正規化に基づく反復自己一貫性並列磁気共鳴画像再構成
- Authors: Ting Pan, Jizhong Duan, Junfeng Wang, Yu Liu
- Abstract要約: 反復型自己整合性並列画像再構成(SPIRiT)は, PMRIの有効自己校正再構成モデルである。
NLR正則化をSPIRiTモデルに組み込んだ非局所低ランク(NLR)-SPIRiTモデルを提案する。
- 参考スコア（独自算出の注目度）: 5.044434916475804
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Iterative self-consistent parallel imaging reconstruction (SPIRiT) is an
effective self-calibrated reconstruction model for parallel magnetic resonance
imaging (PMRI). The joint L1 norm of wavelet coefficients and joint total
variation (TV) regularization terms are incorporated into the SPIRiT model to
improve the reconstruction performance. The simultaneous two-directional
low-rankness (STDLR) in k-space data is incorporated into SPIRiT to realize
improved reconstruction. Recent methods have exploited the nonlocal
self-similarity (NSS) of images by imposing nonlocal low-rankness of similar
patches to achieve a superior performance. To fully utilize both the NSS in
Magnetic resonance (MR) images and calibration consistency in the k-space
domain, we propose a nonlocal low-rank (NLR)-SPIRiT model by incorporating NLR
regularization into the SPIRiT model. We apply the weighted nuclear norm (WNN)
as a surrogate of the rank and employ the Nash equilibrium (NE) formulation and
alternating direction method of multipliers (ADMM) to efficiently solve the
NLR-SPIRiT model. The experimental results demonstrate the superior performance
of NLR-SPIRiT over the state-of-the-art methods via three objective metrics and
visual comparison.
- Abstract（参考訳）: 反復型自己整合性並列画像再構成(SPIRiT)は、並列磁気共鳴画像(PMRI)に有効な自己校正再構成モデルである。
ウェーブレット係数のジョイントL1ノルムと関節総変分(TV)正規化項をSPIRiTモデルに組み込んで再構成性能を向上させる。
k空間データの同時二方向低ランク化(STDLR)をSPIRiTに組み込んで改良された再構成を実現する。
近年,画像の非局所的自己相似性(NSS)を利用して,類似パッチの非局所的低ランク性を付与し,優れた性能を実現している。
磁気共鳴(MR)画像のNASとk空間領域のキャリブレーション整合性を両立させるために,NLR正則化をSPIRiTモデルに組み込んだ非局所低ランク(NLR)-SPIRiTモデルを提案する。
重み付き核ノルム(WNN)をランクの代用として適用し,NLR-SPIRiTモデルの効率的な解法として,Nash equilibrium(NE)の定式化と乗算器の交互方向法(ADMM)を用いる。
実験の結果,3つの客観的指標と視覚的比較による最先端手法よりもNLR-SPIRiTの方が優れた性能を示した。
関連論文リスト
- LDPM: Towards undersampled MRI reconstruction with MR-VAE and Latent Diffusion Prior [2.3007720628527104]
The Latent Diffusion Prior based undersampled MRI reconstruction (LDPM) method was proposed。
スケジューラモジュールを用いて、再構成したMR画像の品質と忠実度を適切に制御し、バランスをとる。
MRIタスク(MR-VAE)に適応したVAEを探索し、将来のMR関連タスクのバックボーンとして機能する。
論文 参考訳（メタデータ） (2024-11-05T09:51:59Z) - Highly Accelerated MRI via Implicit Neural Representation Guided Posterior Sampling of Diffusion Models [2.5412006057370893]
Inlicit Neural representation (INR) は、逆問題を解決するための強力なパラダイムとして登場した。
提案するフレームワークは、他の医療画像タスクにおける逆問題を解決するための一般化可能なフレームワークである。
論文 参考訳（メタデータ） (2024-07-03T01:37:56Z) - DuDoUniNeXt: Dual-domain unified hybrid model for single and
multi-contrast undersampled MRI reconstruction [24.937435059755288]
そこで我々はDuDoUniNeXtを提案する。DuDoUniNeXtは、不在、低品質、高品質な参照画像を含むシナリオに対応可能な、統合されたデュアルドメインMRI再構成ネットワークである。
実験により,提案モデルが最先端のSCモデルとMCモデルを大幅に上回ることを示した。
論文 参考訳（メタデータ） (2024-03-08T12:26:48Z) - 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) - PS-Net: Deep Partially Separable Modelling for Dynamic Magnetic
Resonance Imaging [6.974773529651233]
動的MRイメージングのための学習された低ランク法を提案する。
心臓シネデータセットの実験により、提案モデルが最先端圧縮センシング(CS)法より優れていることが示された。
論文 参考訳（メタデータ） (2022-05-09T07:06:02Z) - A Long Short-term Memory Based Recurrent Neural Network for
Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。
提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文 参考訳（メタデータ） (2022-03-28T14:03:45Z) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳（メタデータ） (2022-03-10T14:22:54Z) - ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。
高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。
パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-01-23T21:58:19Z) - PR-RRN: Pairwise-Regularized Residual-Recursive Networks for Non-rigid
Structure-from-Motion [58.75694870260649]
PR-RRNは、非剛性構造移動のための新しいニューラルネットワークベースの手法である。
再建をさらに規則化するための2つの新しいペアワイズ正規化を提案する。
提案手法は,CMU MOCAPとPASCAL3D+データセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2021-08-17T08:39:02Z) - Two-Stage Self-Supervised Cycle-Consistency Network for Reconstruction
of Thin-Slice MR Images [62.4428833931443]
太いスライス磁気共鳴(MR)画像は、しばしば冠状および矢状視で構造的にぼやけている。
深層学習は、これらの低分解能(LR)症例から高分解能(HR)薄膜MR画像を再構築する大きな可能性を示している。
MRスライス再構成のための2段階自己監督型サイクル一貫性ネットワーク(TSCNet)を提案する。
論文 参考訳（メタデータ） (2021-06-29T13:29:18Z)
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。