Fugu-MT 論文翻訳(概要): Measurement-conditioned Denoising Diffusion Probabilistic Model for Under-sampled Medical Image Reconstruction

論文の概要: Measurement-conditioned Denoising Diffusion Probabilistic Model for Under-sampled Medical Image Reconstruction

arxiv url: http://arxiv.org/abs/2203.03623v1
Date: Sat, 5 Mar 2022 07:37:45 GMT
ステータス: 処理完了
システム内更新日: 2022-03-09 15:13:31.391475
Title: Measurement-conditioned Denoising Diffusion Probabilistic Model for Under-sampled Medical Image Reconstruction
Title（参考訳）: 被サンプリング医用画像再構成のための計測条件付雑音拡散確率モデル
Authors: Yutong Xie and Quanzheng Li
Abstract要約: DDPMに基づく医用画像再構成のための測定条件付き denoising diffusion probabilistic Model (MC-DDPM) を提案する。本手法をMRI再建の高速化に応用し, 高い性能, 完全な監督基準, 最先端のスコアベース再構築法を立案した。
参考スコア（独自算出の注目度）: 15.550729920883729
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel and unified method, measurement-conditioned denoising diffusion probabilistic model (MC-DDPM), for under-sampled medical image reconstruction based on DDPM. Different from previous works, MC-DDPM is defined in measurement domain (e.g. k-space in MRI reconstruction) and conditioned on under-sampling mask. We apply this method to accelerate MRI reconstruction and the experimental results show excellent performance, outperforming full supervision baseline and the state-of-the-art score-based reconstruction method. Due to its generative nature, MC-DDPM can also quantify the uncertainty of reconstruction. Our code is available on github.
Abstract（参考訳）: DDPMに基づく医用画像再構成のための,新しい,統一された計測条件付き拡散確率モデル(MC-DDPM)を提案する。前作と異なり、mc-ddpmは測定領域(mri再構成のk空間など)で定義され、アンダーサンプリングマスクで処理される。本手法をMRI再建の高速化に応用し, 高い性能, 完全な監督基準, 最先端のスコアベース再構築法を立案した。その生成性のため、MC-DDPMは再構成の不確実性も定量化できる。コードはgithubから入手できます。

関連論文リスト

LDPM: Towards undersampled MRI reconstruction with MR-VAE and Latent Diffusion Prior [2.3007720628527104]
The Latent Diffusion Prior based undersampled MRI reconstruction (LDPM) method was proposed。スケジューラモジュールを用いて、再構成したMR画像の品質と忠実度を適切に制御し、バランスをとる。 MRIタスク(MR-VAE)に適応したVAEを探索し、将来のMR関連タスクのバックボーンとして機能する。
論文参考訳（メタデータ） (2024-11-05T09:51:59Z)
DiffCMR: Fast Cardiac MRI Reconstruction with Diffusion Probabilistic Models [11.068359534951783]
DiffCMRは、アンダーサンプルMRI画像スライスからコンディショニング信号を知覚し、対応するフルサンプルMRI画像スライスを生成する。我々は,MICCAI 2023 Cardiac MRI Restruction Challengeデータセットを用いたDiffCMRとT1/T2マッピングタスクの検証を行った。その結果,本手法は従来の手法をはるかに上回り,最先端の性能を実現していることがわかった。
論文参考訳（メタデータ） (2023-12-08T06:11:21Z)
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)
Correlated and Multi-frequency Diffusion Modeling for Highly Under-sampled MRI Reconstruction [14.687337090732036]
既存のMRI再建法の多くは、特定の組織領域を考慮せずに、全MR画像のtar-geted再構成を行う。これは、診断のための重要でない組織に対する再構成精度を強調できない可能性がある。そこで本研究では,k空間データの特性と拡散過程を組み合わせることで,マルチ周波数先行のマイニングに焦点をあてる。
論文参考訳（メタデータ） (2023-09-02T07:51:27Z)
Diffusion Modeling with Domain-conditioned Prior Guidance for Accelerated MRI and qMRI Reconstruction [3.083408283778178]
本研究では,ネイティブデータ領域に条件付き拡散モデルに基づく画像再構成手法を提案する。提案手法は,特に加速係数の高い画像の再構成において,有意義な可能性を証明している。
論文参考訳（メタデータ） (2023-09-02T01:33:50Z)
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)
Self-Score: Self-Supervised Learning on Score-Based Models for MRI Reconstruction [18.264778497591603]
本稿では,MRI再構成のための完全サンプルデータフリースコアベース拡散モデルを提案する。アンダーサンプリングされたデータに基づいて、自己監督的な方法で、完全にサンプリングされたMR画像を学ぶ。公開データセットにおける実験により,提案手法は既存の自己教師型MRI再構成法よりも優れていることが示された。
論文参考訳（メタデータ） (2022-09-02T06:21:42Z)
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)
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
DiffuseReconは拡散モデルに基づく新しいMR再構成法である。観測された信号に基づいて生成過程を導出する。特定の加速因子に関する追加の訓練は必要としない。
論文参考訳（メタデータ） (2022-03-08T02:25:38Z)
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)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。