論文の概要: Wave-Encoded Model-based Deep Learning for Highly Accelerated Imaging with Joint Reconstruction

• arxiv url: http://arxiv.org/abs/2202.02814v1
• Date: Sun, 6 Feb 2022 16:59:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-08 18:20:33.018143
• Title: Wave-Encoded Model-based Deep Learning for Highly Accelerated Imaging with Joint Reconstruction
• Title（参考訳）: ウェーブエンコードモデルに基づく深層学習による関節再建を伴う高加速イメージング
• Authors: Jaejin Cho, Borjan Gagoski, Taehyung Kim, Qiyuan Tian, Stephen Robert Frost, Itthi Chatnuntawech, and Berkin Bilgic
• Abstract要約: 最近導入されたMoDL技術は、畳み込みニューラルネットワーク(CNN)ベースの正規化器を物理ベースの並列画像再構成にうまく組み入れている。 Wave-MoDLは、47秒のMPRAGEを1mm解像度で16倍の加速で取得できる。
• 参考スコア（独自算出の注目度）: 3.7081566342410017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: To propose a wave-encoded model-based deep learning (wave-MoDL) strategy for highly accelerated 3D imaging and joint multi-contrast image reconstruction, and further extend this to enable rapid quantitative imaging using an interleaved look-locker acquisition sequence with T2 preparation pulse (3D-QALAS). Method: Recently introduced MoDL technique successfully incorporates convolutional neural network (CNN)-based regularizers into physics-based parallel imaging reconstruction using a small number of network parameters. Wave-CAIPI is an emerging parallel imaging method that accelerates the imaging speed by employing sinusoidal gradients in the phase- and slice-encoding directions during the readout to take better advantage of 3D coil sensitivity profiles. In wave-MoDL, we propose to combine the wave-encoding strategy with unrolled network constraints to accelerate the acquisition speed while enforcing wave-encoded data consistency. We further extend wave-MoDL to reconstruct multi-contrast data with controlled aliasing in parallel imaging (CAIPI) sampling patterns to leverage similarity between multiple images to improve the reconstruction quality. Result: Wave-MoDL enables a 47-second MPRAGE acquisition at 1 mm resolution at 16-fold acceleration. For quantitative imaging, wave-MoDL permits a 2-minute acquisition for T1, T2, and proton density mapping at 1 mm resolution at 12-fold acceleration, from which contrast weighted images can be synthesized as well. Conclusion: Wave-MoDL allows rapid MR acquisition and high-fidelity image reconstruction and may facilitate clinical and neuroscientific applications by incorporating unrolled neural networks into wave-CAIPI reconstruction.
• Abstract（参考訳）: 目的: 高速な3次元イメージングと関節型マルチコントラスト画像再構成のためのウェーブエンコードモデルベースディープラーニング(Wave-MoDL)戦略を提案し, さらにこれを拡張して, T2準備パルス(3D-QALAS)を用いたインターリーブドルック・ロッカー取得シーケンスを用いた高速な定量的イメージングを実現する。 方法:最近導入されたMoDL技術は、畳み込みニューラルネットワーク(CNN)ベースの正規化器を、少数のネットワークパラメータを用いて物理ベースの並列画像再構成にうまく組み込む。 Wave-CAIPIは、位相・スライス符号化方向の正弦波勾配を利用して3次元コイル感度プロファイルの利点を生かし、撮像速度を高速化する並列イメージング手法である。 wave-modlでは、ウェーブエンコード戦略と未ロールネットワーク制約を組み合わせて、ウェーブエンコードデータ一貫性を強制しながら、取得速度を高速化する。 さらに、複数画像間の類似性を生かして再構成品質を向上させるために、マルチコントラストデータを並列イメージング(CAIPI)サンプリングパターンで再構成する。 結果: Wave-MoDLは1mm解像度の47秒MPRAGEを16倍の加速で取得できる。 定量的イメージングのために、Wave-MoDLはT1, T2の2分間の取得と12倍の加速で1mmの解像度でのプロトン密度マッピングを可能にし、コントラスト強調画像も合成できる。 結論: Wave-MoDL は MR の高速な取得と高忠実度画像再構成を可能にし,非ローリングニューラルネットワークを Wave-CAIPI 再構成に組み込むことで臨床および神経科学的応用を促進することができる。

関連論文リスト

• Freqformer: Frequency-Domain Transformer for 3-D Visualization and Quantification of Human Retinal Circulation [0.9487097819140653]
  Freqformerはトランスフォーマーベースのアーキテクチャで、単一のスキャンから人間の網膜循環を3Dで高解像度で可視化するように設計されている。 提案手法は,最先端の畳み込みニューラルネットワーク(CNN)およびトランスフォーマーモデルより優れる。 Freqformerは網膜循環の理解と特性を著しく改善し、潜在的な臨床応用を提供する。
  論文  参考訳（メタデータ） (2024-11-17T22:38:39Z)
• Learning the Domain Specific Inverse NUFFT for Accelerated Spiral MRI using Diffusion Models [0.0]
  我々は多コイル高アンサンプドスパイラルMRIのための生成拡散モデルに基づく再構成アルゴリズムを作成する。 超高速スキャン時間(2D画像では0.02秒)で再構成した画像に高品質(構造的類似度 > 0.87)を示す。
  論文  参考訳（メタデータ） (2024-04-18T17:40:23Z)
• Improved Multi-Shot Diffusion-Weighted MRI with Zero-Shot Self-Supervised Learning Reconstruction [7.347468593124183]
  ゼロMIRIDと呼ばれる新しいmsEPI再構成手法(改良拡散MRIのためのマルチショット画像再構成のためのゼロショット自己教師型学習)を提案する。 本手法は、深層学習に基づく画像正規化技術を組み込むことで、msEPIデータを共同で再構成する。 In-vivo実験で示されるように、最先端の並列イメージング法と比較して優れた結果が得られる。
  論文  参考訳（メタデータ） (2023-08-09T17:54:56Z)
• 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)
• Hyperspectral Compressive Wavefront Sensing [0.0]
  本稿では,超レーザパルスのシャーリングスペクトル位相を単一ショットで捉えるために,圧縮干渉法と横干渉法を組み合わせた新しい手法を提案する。 パラメータ効率と他の手法と比較して高速であるため、スナップショット画像再構成にディープ・アンローリングアルゴリズムを用いる。 この結果は、定量的位相イメージングを含むレーザー波面のキャラクタリゼーションの文脈を超えている可能性がある。
  論文  参考訳（メタデータ） (2023-03-06T23:50:24Z)
• 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)
• DH-GAN: A Physics-driven Untrained Generative Adversarial Network for 3D Microscopic Imaging using Digital Holography [3.4635026053111484]
  デジタルホログラフィー(Digital holography)は、平面波面を持つレーザービームを物体に放出し、ホログラムと呼ばれる回折波形の強度を測定する3Dイメージング技術である。 近年,より正確なホログラフィック処理に深層学習(DL)法が用いられている。 本稿では, 識別ネットワークを用いて, 復元品質のセマンティック尺度を実現する, 生成的敵ネットワークに基づく新しいDLアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:13:45Z)
• Learning a Model-Driven Variational Network for Deformable Image Registration [89.9830129923847]
  VR-Netは、教師なしの変形可能な画像登録のための新しいカスケード可変ネットワークである。 登録精度において最先端のディープラーニング手法よりも優れています。 ディープラーニングの高速推論速度と変分モデルのデータ効率を維持している。
  論文  参考訳（メタデータ） (2021-05-25T21:37:37Z)
• 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)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。