論文の概要: An analysis of reconstruction noise from undersampled 4D flow MRI
- arxiv url: http://arxiv.org/abs/2201.03715v1
- Date: Tue, 11 Jan 2022 00:33:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-12 15:05:23.974817
- Title: An analysis of reconstruction noise from undersampled 4D flow MRI
- Title(参考訳): アンダーサンプド4次元流れMRIからの再構成ノイズの解析
- Authors: Lauren Partin, Daniele E. Schiavazzi and Carlos A. Sing Long
- Abstract要約: 再建された解剖学的および血行動態像は、視覚的アーティファクトを呈する可能性がある。
本研究では,再建過程から生じるランダム摂動の理論的性質について検討する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Novel Magnetic Resonance (MR) imaging modalities can quantify hemodynamics
but require long acquisition times, precluding its widespread use for early
diagnosis of cardiovascular disease. To reduce the acquisition times,
reconstruction methods from undersampled measurements are routinely used, that
leverage representations designed to increase image compressibility.
Reconstructed anatomical and hemodynamic images may present visual artifacts.
Although some of these artifact are essentially reconstruction errors, and thus
a consequence of undersampling, others may be due to measurement noise or the
random choice of the sampled frequencies. Said otherwise, a reconstructed image
becomes a random variable, and both its bias and its covariance can lead to
visual artifacts; the latter leads to spatial correlations that may be
misconstrued for visual information. Although the nature of the former has been
studied in the literature, the latter has not received as much attention.
In this study, we investigate the theoretical properties of the random
perturbations arising from the reconstruction process, and perform a number of
numerical experiments on simulated and MR aortic flow. Our results show that
the correlation length remains limited to two to three pixels when a Gaussian
undersampling pattern is combined with recovery algorithms based on
$\ell_1$-norm minimization. However, the correlation length may increase
significantly for other undersampling patterns, higher undersampling factors
(i.e., 8x or 16x compression), and different reconstruction methods.
- Abstract(参考訳): 新しいMR画像モダリティは血行動態を定量化できるが、心血管疾患の早期診断に広く用いられていることを除いて、長い取得時間を必要とする。
取得時間を短縮するため、画像圧縮性を高めるために設計された表現を活用するアンダーサンプル計測による再構成手法が日常的に使用される。
再構成された解剖学的および血行力学的画像は、視覚的アーティファクトを呈することがある。
これらのアーティファクトのいくつかは本質的にレコンストラクションエラーであり、アンダーサンプリングの結果であるが、測定ノイズやサンプル周波数のランダムな選択によるものもある。
そうでなければ、再構成された画像はランダムな変数となり、そのバイアスと共分散の両方が視覚的なアーティファクトにつながる可能性がある。
前者の性質は文献で研究されているが、後者はそれほど注目されていない。
本研究では,再建過程から生じるランダム摂動の理論的性質について検討し,シミュレーションおよびMR大動脈流に関する数値実験を行った。
その結果,gaussian undersamplingパターンと$\ell_1$-norm最小化に基づくリカバリアルゴリズムを組み合わせた場合,相関長は2~3ピクセルに制限されることがわかった。
しかし, 他のアンダーサンプリングパターン, 高いアンダーサンプリング因子 (すなわち8xまたは16x圧縮) , 異なる再構成法では相関長が有意に増加する可能性がある。
関連論文リスト
- NeRF Solves Undersampled MRI Reconstruction [1.3597551064547502]
本稿では,Neural Radiance Field(NeRF)の概念を利用したMRI技術について述べる。
ラジアルアンダーサンプリングにより、対応する撮像問題をスパースビューレンダリングデータから画像モデリングタスクに再構成することができる。
空間座標から画像強度を出力する多層パーセプトロンは、所定の測定データと所望の画像との間のMR物理駆動レンダリング関係を学習する。
論文 参考訳(メタデータ) (2024-02-20T18:37:42Z) - 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) - A plug-and-play synthetic data deep learning for undersampled magnetic
resonance image reconstruction [15.780203168452443]
アンダーサンプ型MRI画像再構成の深層学習法は,画像デアライジングにおいて優れた性能を示した。
異なるサンプリング設定に効果的に適用可能なアンダーサンプドMRI再構成のための深いプラグアンドプレイ法を提案する。
論文 参考訳(メタデータ) (2023-09-13T02:37:19Z) - Implicit Neural Representation for MRI Parallel Imaging Reconstruction [31.952891507137725]
暗黙的ニューラル表現(INR)に基づく新しいMRI再構成法を提案する。
INRは、再構成された完全サンプリング画像を、ボクセル座標とアンダーサンプル画像の以前の特徴ベクトルの関数として表現する。
具体的には、異なるアンダーサンプリングスケールのMR画像からスケール非依存のボクセル特異な特徴を生成するためのスケール埋め込みエンコーダを提案する。
論文 参考訳(メタデータ) (2023-09-12T09:07:03Z) - 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) - Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion
Generative Models [75.52575380824051]
圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。
拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。
本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
論文 参考訳(メタデータ) (2023-06-05T22:09:06Z) - Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。
我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。
私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
論文 参考訳(メタデータ) (2021-10-15T13:16:59Z) - Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。
近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。
本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
論文 参考訳(メタデータ) (2021-08-12T08:46:35Z) - 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)
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。