論文の概要: On Real-time Image Reconstruction with Neural Networks for MRI-guided
Radiotherapy
- arxiv url: http://arxiv.org/abs/2202.05267v1
- Date: Thu, 10 Feb 2022 02:43:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-14 16:37:41.965160
- Title: On Real-time Image Reconstruction with Neural Networks for MRI-guided
Radiotherapy
- Title（参考訳）: MRI誘導放射線治療のためのニューラルネットワークを用いたリアルタイム画像再構成について
- Authors: David E. J. Waddington, Nicholas Hindley, Neha Koonjoo, Christopher
Chiu, Tess Reynolds, Paul Z. Y. Liu, Bo Zhu, Danyal Bhutto, Chiara Paganelli,
Paul J. Keall, Matthew S. Rosen
- Abstract要約: リアルタイムで腫瘍の動きを追尾するために放射線ビームを動的に適応するMRI誘導技術は、より正確ながん治療につながる。
アンダーサンプされたMRデータの再構成のための金標準は圧縮センシング(CS)であり、計算速度が遅く、リアルタイム適応に画像が利用できる速度が制限される。
ここでは,多様体近似(AUTOMAP)による自動変換を用いて,アンサンプ付きラジアルk空間データから画像の高速再構成を行う。
- 参考スコア（独自算出の注目度）: 4.837853457833936
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: MRI-guidance techniques that dynamically adapt radiation beams to follow
tumor motion in real-time will lead to more accurate cancer treatments and
reduced collateral healthy tissue damage. The gold-standard for reconstruction
of undersampled MR data is compressed sensing (CS) which is computationally
slow and limits the rate that images can be available for real-time adaptation.
Here, we demonstrate the use of automated transform by manifold approximation
(AUTOMAP), a generalized framework that maps raw MR signal to the target image
domain, to rapidly reconstruct images from undersampled radial k-space data.
The AUTOMAP neural network was trained to reconstruct images from a
golden-angle radial acquisition, a benchmark for motion-sensitive imaging, on
lung cancer patient data and generic images from ImageNet. Model training was
subsequently augmented with motion-encoded k-space data derived from videos in
the YouTube-8M dataset to encourage motion robust reconstruction. We find that
AUTOMAP-reconstructed radial k-space has equivalent accuracy to CS but with
much shorter processing times after initial fine-tuning on retrospectively
acquired lung cancer patient data. Validation of motion-trained models with a
virtual dynamic lung tumor phantom showed that the generalized motion
properties learned from YouTube lead to improved target tracking accuracy. Our
work shows that AUTOMAP can achieve real-time, accurate reconstruction of
radial data. These findings imply that neural-network-based reconstruction is
potentially superior to existing approaches for real-time image guidance
applications.
- Abstract（参考訳）: リアルタイムに腫瘍の動きを追尾するために放射線ビームを動的に適応するMRI誘導技術は、より正確ながん治療と、両側の健康組織損傷を減少させる。
アンダーサンプされたMRデータの再構成のための金標準は圧縮センシング(CS)であり、計算速度が遅く、リアルタイム適応に画像が利用できる速度が制限される。
本稿では,対象画像領域に生MR信号をマッピングする一般化されたフレームワークであるAUTOMAPを用いて,アンサンプされた放射状k空間データから画像の高速再構成を行う。
automapニューラルネットワークは、golden-angle radial acquisition、モーションセンシティブイメージングのベンチマーク、肺癌患者データ、imagenetのジェネリックイメージから画像を再構築するために訓練された。
モデルトレーニングはその後、モーションロバストな再構築を促進するために、YouTube-8Mデータセットの動画から得られた動き符号化されたk空間データで強化された。
AUTOMAP-reconstructed radial k-spaceはCSと同等の精度であるが,後天性肺癌患者データに対する初回微調整後処理時間が短縮された。
仮想肺腫瘍ファントムを用いた運動訓練モデルの検証により,youtubeから得られた運動特性が目標追跡精度の向上に繋がることが示された。
我々の研究は、AUTOMAPが放射状データのリアルタイムかつ正確な再構成を実現できることを示す。
これらの結果は、ニューラルネットワークに基づく再構築が、リアルタイム画像誘導アプリケーションに対する既存のアプローチよりも優れている可能性を示唆している。
関連論文リスト
- ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。
メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
論文 参考訳（メタデータ） (2025-01-08T05:15:43Z) - Continuous K-space Recovery Network with Image Guidance for Fast MRI Reconstruction [5.910509015352437]
高速MRIは、アンダーサンプリングされたk空間から高品質な画像を復元することを目的としている。
既存の方法では、アンサンプされたデータをアーティファクトのないMRI画像にマッピングするために、ディープラーニングモデルを訓練する。
画像領域誘導を用いた暗黙的ニューラル表現の新しい視点から、連続的なk空間回復ネットワークを提案する。
論文 参考訳（メタデータ） (2024-11-18T04:54:04Z) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。
我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。
本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
論文 参考訳（メタデータ） (2024-04-26T14:25:07Z) - 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) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - A Path Towards Clinical Adaptation of Accelerated MRI [0.0]
臨床関連性を高めるために,ニューラルネットワークMRI画像再構成器の強化について検討する。
MR信号データに可変加速度因子を付加したトレーニングコンストラクタは, 臨床患者検診における平均性能を最大で2%向上できることを示した。
論文 参考訳（メタデータ） (2022-08-26T18:34:41Z) - 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) - Recurrent Variational Network: A Deep Learning Inverse Problem Solver
applied to the task of Accelerated MRI Reconstruction [3.058685580689605]
本稿では,MRIの高速化作業に応用した,ディープラーニングに基づく逆問題解法を提案する。
RecurrentVarNetは複数のブロックから構成されており、それぞれが逆問題を解決するための勾配降下アルゴリズムの1つのアンロール反復に責任を負っている。
提案手法は,公共のマルチチャネル脳データセットから得られた5倍および10倍の加速データに対して,定性的かつ定量的な再構築結果の新たな状態を実現する。
論文 参考訳（メタデータ） (2021-11-18T11:44:04Z) - Deep MRI Reconstruction with Radial Subsampling [2.7998963147546148]
k空間データにサブサンプリングマスクを適用することは、実際の臨床環境でk空間データの迅速な取得をシミュレートする方法である。
訓練された深層ニューラルネットワークが出力する再構成の質に対して,リチリニア・ラジアル・リフレクション・サブサンプリングを適用させる効果を比較検討し,検討した。
論文 参考訳（メタデータ） (2021-08-17T17:45:51Z) - 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。