論文の概要: Edge-Enhanced Dual Discriminator Generative Adversarial Network for Fast
MRI with Parallel Imaging Using Multi-view Information
- arxiv url: http://arxiv.org/abs/2112.05758v1
- Date: Fri, 10 Dec 2021 10:49:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-14 15:15:56.015220
- Title: Edge-Enhanced Dual Discriminator Generative Adversarial Network for Fast
MRI with Parallel Imaging Using Multi-view Information
- Title（参考訳）: 多視点情報を用いた並列イメージングによる高速MRI用エッジ強化デュアルディミネータ生成器
- Authors: Jiahao Huang, Weiping Ding, Jun Lv, Jingwen Yang, Hao Dong, Javier Del
Ser, Jun Xia, Tiaojuan Ren, Stephen Wong, Guang Yang
- Abstract要約: 高速なマルチチャンネルMRI再構成のための並列画像結合型二重判別器生成対向ネットワーク(PIDD-GAN)を提案する。
1つの判別器は全体像再構成に使用され、もう1つはエッジ情報の強化に責任がある。
以上の結果から,PIDD-GANは良質なMR画像と良好な保存エッジ情報を提供することがわかった。
- 参考スコア（独自算出の注目度）: 10.616409735438756
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In clinical medicine, magnetic resonance imaging (MRI) is one of the most
important tools for diagnosis, triage, prognosis, and treatment planning.
However, MRI suffers from an inherent slow data acquisition process because
data is collected sequentially in k-space. In recent years, most MRI
reconstruction methods proposed in the literature focus on holistic image
reconstruction rather than enhancing the edge information. This work steps
aside this general trend by elaborating on the enhancement of edge information.
Specifically, we introduce a novel parallel imaging coupled dual discriminator
generative adversarial network (PIDD-GAN) for fast multi-channel MRI
reconstruction by incorporating multi-view information. The dual discriminator
design aims to improve the edge information in MRI reconstruction. One
discriminator is used for holistic image reconstruction, whereas the other one
is responsible for enhancing edge information. An improved U-Net with local and
global residual learning is proposed for the generator. Frequency channel
attention blocks (FCA Blocks) are embedded in the generator for incorporating
attention mechanisms. Content loss is introduced to train the generator for
better reconstruction quality. We performed comprehensive experiments on
Calgary-Campinas public brain MR dataset and compared our method with
state-of-the-art MRI reconstruction methods. Ablation studies of residual
learning were conducted on the MICCAI13 dataset to validate the proposed
modules. Results show that our PIDD-GAN provides high-quality reconstructed MR
images, with well-preserved edge information. The time of single-image
reconstruction is below 5ms, which meets the demand of faster processing.
- Abstract（参考訳）: 臨床医学において、MRIは診断、トリアージ、予後、治療計画において最も重要なツールの1つである。
しかし、MRIはk空間で順次収集されるため、本質的に遅いデータ取得プロセスに悩まされる。
近年,文献で提案されているmri再構成法の多くは,エッジ情報の向上よりも全体像再構成に焦点をあてている。
この作業は、エッジ情報の強化について検討することで、この一般的な傾向を後押しする。
具体的には,多視点情報を取り入れた高速な多チャンネルMRI再構成のための並列画像結合二重判別器生成対向ネットワーク(PIDD-GAN)を提案する。
二重判別器の設計はMRI再建におけるエッジ情報の改善を目的としている。
1つの判別器は全体像再構成に使われ、もう1つはエッジ情報の強化に責任がある。
局所的および大域的残差学習を用いた改良されたU-Netを提案する。
周波数チャネルアテンションブロック(FCAブロック)は、アテンション機構を組み込むジェネレータに埋め込まれる。
コンテントロスを導入して、ジェネレータをより良いリコンストラクション品質に訓練する。
我々はCalgary-Campinas公開脳MRIデータセットの総合的な実験を行い、この手法を最先端MRI再構成法と比較した。
miccai13データセット上で残差学習のアブレーション研究を行い,提案モジュールの検証を行った。
以上の結果から,PIDD-GANは良質なMR画像と良好な保存エッジ情報を提供することがわかった。
単一画像再構成の時間は5ms以下であり、高速な処理の要求を満たす。
関連論文リスト
- MindFormer: A Transformer Architecture for Multi-Subject Brain Decoding via fMRI [50.55024115943266]
我々は、fMRI条件の特徴ベクトルを生成するためにMindFormerと呼ばれる新しいトランスフォーマーアーキテクチャを導入する。
MindFormerは,1)fMRI信号から意味論的に意味のある特徴を抽出するIP-Adapterに基づく新しいトレーニング戦略,2)fMRI信号の個人差を効果的に捉える主観的トークンと線形層である。
論文 参考訳（メタデータ） (2024-05-28T00:36:25Z) - 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) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - Attention Hybrid Variational Net for Accelerated MRI Reconstruction [7.046523233290946]
磁気共鳴画像(MRI)の高速化のための圧縮センシング(CS)対応データ再構成の適用は依然として難しい問題である。
これは、加速マスクからk空間で失った情報が、完全にサンプリングされた画像の質に似た画像の再構成を困難にしているためである。
我々は,k空間と画像領域の両方で学習を行う,深層学習に基づく注目ハイブリッド変分ネットワークを提案する。
論文 参考訳（メタデータ） (2023-06-21T16:19:07Z) - Iterative Data Refinement for Self-Supervised MR Image Reconstruction [18.02961646651716]
自己教師型MR画像再構成のためのデータ改質フレームワークを提案する。
まず,自己教師付き手法と教師付き手法のパフォーマンスギャップの原因を解析する。
そして、このデータバイアスを低減するために、効果的な自己教師付きトレーニングデータ精錬法を設計する。
論文 参考訳（メタデータ） (2022-11-24T06:57:16Z) - 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) - 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) - Generative Adversarial Networks (GAN) Powered Fast Magnetic Resonance
Imaging -- Mini Review, Comparison and Perspectives [5.3148259096171175]
MRIの欠点の1つは、他の画像モダリティに比べて比較的遅いスキャンと再構成である。
ディープニューラルネットワーク(DNN)は、比較的高品質な画像を再現するスパースMRI再構成モデルに使われてきた。
画像の知覚品質を向上した高速MRIを実現するために,GAN(Generative Adversarial Networks)に基づく手法を提案する。
論文 参考訳（メタデータ） (2021-05-04T23:59:00Z) - 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) - DuDoRNet: Learning a Dual-Domain Recurrent Network for Fast MRI
Reconstruction with Deep T1 Prior [19.720518236653195]
深部T1を組み込んだDuDoRNet(DuDoRNet)を提案し,k空間と画像の同時復元を行う。
提案手法は常に最先端の手法より優れており,高品質なMRIを再構築することができる。
論文 参考訳（メタデータ） (2020-01-11T21:34:48Z)
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。