Fugu-MT 論文翻訳(概要): Motion Correction and Volumetric Reconstruction for Fetal Functional Magnetic Resonance Imaging Data

論文の概要: Motion Correction and Volumetric Reconstruction for Fetal Functional Magnetic Resonance Imaging Data

arxiv url: http://arxiv.org/abs/2202.05863v1
Date: Fri, 11 Feb 2022 19:11:16 GMT
ステータス: 処理完了
システム内更新日: 2022-02-15 15:54:12.390610
Title: Motion Correction and Volumetric Reconstruction for Fetal Functional Magnetic Resonance Imaging Data
Title（参考訳）: 胎児機能的磁気共鳴画像データの運動補正と体積再構成
Authors: Daniel Sobotka, Michael Ebner, Ernst Schwartz, Karl-Heinz Nenning, Athena Taymourtash, Tom Vercauteren, Sebastien Ourselin, Gregor Kasprian, Daniela Prayer, Georg Langs, Roxane Licandro
Abstract要約: 運動補正は胎児脳の機能的磁気共鳴イメージング(fMRI)において重要な前処理ステップである。胎児のfMRIに対する現在の動作補正手法は、特定の取得時点から1つの3Dボリュームを選択する。本稿では,外乱運動補正を用いて高解像度の基準体積を推定する新しいフレームワークを提案する。
参考スコア（独自算出の注目度）: 3.690756997172894
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Motion correction is an essential preprocessing step in functional Magnetic Resonance Imaging (fMRI) of the fetal brain with the aim to remove artifacts caused by fetal movement and maternal breathing and consequently to suppress erroneous signal correlations. Current motion correction approaches for fetal fMRI choose a single 3D volume from a specific acquisition timepoint with least motion artefacts as reference volume, and perform interpolation for the reconstruction of the motion corrected time series. The results can suffer, if no low-motion frame is available, and if reconstruction does not exploit any assumptions about the continuity of the fMRI signal. Here, we propose a novel framework, which estimates a high-resolution reference volume by using outlier-robust motion correction, and by utilizing Huber L2 regularization for intra-stack volumetric reconstruction of the motion-corrected fetal brain fMRI. We performed an extensive parameter study to investigate the effectiveness of motion estimation and present in this work benchmark metrics to quantify the effect of motion correction and regularised volumetric reconstruction approaches on functional connectivity computations. We demonstrate the proposed framework's ability to improve functional connectivity estimates, reproducibility and signal interpretability, which is clinically highly desirable for the establishment of prognostic noninvasive imaging biomarkers. The motion correction and volumetric reconstruction framework is made available as an open-source package of NiftyMIC.
Abstract（参考訳）: 運動補正は胎児脳の機能的磁気共鳴イメージング(fMRI)における重要な前処理ステップであり、胎児の運動や母体呼吸によって引き起こされる人工物を除去し、結果として誤った信号相関を抑えることを目的としている。胎児のfMRIに対する現在の動作補正アプローチは、少なくとも運動アーチファクトを基準体積とする特定の取得時間点から1つの3次元ボリュームを選択し、運動補正時系列の再構成を補間する。結果は、低モーションフレームが利用できない場合や、再構成がfMRI信号の連続性に関する仮定を生かしていない場合などに悩まされる。本稿では,外乱運動補正法を用いて高分解能基準容積を推定し,hber l2正則化を用いて運動補正した胎児脳fmriのスタック内体積再構成法を提案する。本研究では, 運動推定の有効性を検討するために, 運動補正と正規化ボリュームリコンストラクション手法が機能的接続計算に与える影響を定量化するためのベンチマーク指標として, 広範なパラメータスタディを行った。本研究は, 予後非侵襲型バイオマーカーの確立に臨床的に極めて望ましい, 機能的接続推定, 再現性, 信号解釈性を向上させるためのフレームワークの能力を示す。 NiftyMICのオープンソースパッケージとして動作補正とボリューム再構築フレームワークが利用可能である。

関連論文リスト

HAITCH: A Framework for Distortion and Motion Correction in Fetal Multi-Shell Diffusion-Weighted MRI [5.393543723150301]
この研究は、マルチシェル高角解像度胎児dMRIデータの修正と再構成を行う最初の、かつ唯一公開されたツールであるHAITCHを提示する。 HaITCHは、動的歪み補正のためのblip-reversed dual-echo取得を含む、いくつかの技術的進歩を提供している。 HaITCHはアーティファクトの除去に成功し、高度な拡散モデリングに適した高忠実度胎児dMRIデータを再構成する。
論文参考訳（メタデータ） (2024-06-28T16:40:57Z)
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)
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)
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)
AFFIRM: Affinity Fusion-based Framework for Iteratively Random Motion correction of multi-slice fetal brain MRI [8.087220876070477]
Affinity Fusion-based Framework for Iteratively Random Motion correct of the multi-slice fetal brain MRI。複数のスライスからシーケンシャルな動きを学習し、親和性融合を用いて2次元スライスと再構成された3次元ボリュームの特徴を統合する。この方法は、脳の向きに関係なく正確に動きを推定し、シミュレートされた動き破壊データに対して、他の最先端の学習法より優れる。
論文参考訳（メタデータ） (2022-05-12T02:54:55Z)
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)
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)
4D iterative reconstruction of brain fMRI in the moving fetus [1.8492120771993543]
本手法の精度を実地臨床用fMRI胎児群で定量的に評価した。その結果,従来の3D手法と比較して再現性の向上が見られた。
論文参考訳（メタデータ） (2021-11-22T18:12:21Z)
Reference-based Magnetic Resonance Image Reconstruction Using Texture Transforme [86.6394254676369]
高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
論文参考訳（メタデータ） (2021-11-18T03:06:25Z)
Inertial Measurements for Motion Compensation in Weight-bearing Cone-beam CT of the Knee [6.7461735822055715]
膝のCTスキャン中の不随意運動は、再建されたボリュームのアーティファクトを引き起こすため、臨床診断には使用できない。被験者の脚に慣性測定装置(IMU)を装着し,スキャン中の運動を測定する。
論文参考訳（メタデータ） (2020-07-09T09:26:27Z)
Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
論文参考訳（メタデータ） (2020-06-28T21:03:19Z)

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。