論文の概要: Autofocusing+: Noise-Resilient Motion Correction in Magnetic Resonance Imaging

• arxiv url: http://arxiv.org/abs/2203.05569v1
• Date: Thu, 10 Mar 2022 12:49:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-14 12:20:43.094877
• Title: Autofocusing+: Noise-Resilient Motion Correction in Magnetic Resonance Imaging
• Title（参考訳）: Autofocusing+:磁気共鳴画像における雑音耐性運動補正
• Authors: Ekaterina Kuzmina, Artem Razumov, Oleg Y. Rogov, Elfar Adalsteinsson, Jacob White, Dmitry V. Dylov
• Abstract要約: 本稿では,従来の最適化手法であるAutofocusingを強化するために,ニューラルネットワークに基づく正規化項を提案する。 最適化に基づくルーチンは、非現実的な復元のためにブラインド・デモーションとディープ・ラーニング・ベースの事前罰を反復的に実行し、収束を加速する。
• 参考スコア（独自算出の注目度）: 1.7277957019593995
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Image corruption by motion artifacts is an ingrained problem in Magnetic Resonance Imaging (MRI). In this work, we propose a neural network-based regularization term to enhance Autofocusing, a classic optimization-based method to remove motion artifacts. The method takes the best of both worlds: the optimization-based routine iteratively executes the blind demotion and deep learning-based prior penalizes for unrealistic restorations and speeds up the convergence. We validate the method on three models of motion trajectories, using synthetic and real noisy data. The method proves resilient to noise and anatomic structure variation, outperforming the state-of-the-art demotion methods.
• Abstract（参考訳）: モーションアーティファクトによる画像劣化は、MRI(Magnetic Resonance Imaging)の微細な問題である。 本研究では,従来の最適化手法であるAutofocusingを強化するために,ニューラルネットワークに基づく正規化項を提案する。 最適化に基づくルーチンは、非現実的な復元のために盲行と深層学習に基づく事前罰を反復的に実行し、収束を加速する。 本手法は合成および実雑音データを用いて3つの運動軌跡モデル上で検証する。 この方法は、ノイズや解剖学的構造の変化に対する耐性を証明し、最先端のデモーション法よりも優れている。

関連論文リスト

• MotionTTT: 2D Test-Time-Training Motion Estimation for 3D Motion Corrected MRI [24.048132427816704]
  高精度な動き推定のための深層学習に基づくテスト時間学習法を提案する。 本手法は, 単純な信号とニューラルネットワークモデルに対して, 動作パラメータを確実に再構成できることを示す。
  論文  参考訳（メタデータ） (2024-09-14T08:51:33Z)
• IM-MoCo: Self-supervised MRI Motion Correction using Motion-Guided Implicit Neural Representations [2.2265038612930663]
  磁気共鳴イメージング(MRI)における運動アーティファクトは、比較的長い取得時間によって生じる。 従来の動き補正法は、しばしば激しい動きに対処できず、歪んだり信頼性の低い結果をもたらす。 Inlicit Neural Representation (INR) を利用したインスタンスワイド動作補正パイプラインを提案する。 本手法は, 動作不良画像と比較して, 少なくとも1.5ドル以上の精度で分類結果を改善する。
  論文  参考訳（メタデータ） (2024-07-03T10:14:33Z)
• Gear-NeRF: Free-Viewpoint Rendering and Tracking with Motion-aware Spatio-Temporal Sampling [70.34875558830241]
  本研究では,シーンをレンダリングする動的領域の階層化モデリングを可能にする意味的セマンティックギアに基づく,時間的(4D)埋め込みの学習方法を提案する。 同時に、ほぼ無償で、当社のトラッキングアプローチは、既存のNeRFベースのメソッドでまだ達成されていない機能である、自由視点(free-view of interest)を可能にします。
  論文  参考訳（メタデータ） (2024-06-06T03:37:39Z)
• Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
  動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。 具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。 より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-18T03:46:26Z)
• Iterative Learning for Joint Image Denoising and Motion Artifact Correction of 3D Brain MRI [11.806804196128953]
  本稿では, 動きアーチファクトを用いたノイズの多いMRIの処理を反復学習により行うJDAC(Joint Image Denoising and Motion Artifact Correction)フレームワークを提案する。 まず,新しい雑音レベル推定手法を設計し,推定雑音分散に基づく特徴正規化条件付きU-Netバックボーンによる雑音を適応的に低減する。 アンチアーティファクトモデルは、運動補正プロセス中に脳解剖の整合性を維持するために設計された、新しい勾配に基づく損失関数を組み込んだ、運動アーティファクトの除去に別のU-Netを使用している。
  論文  参考訳（メタデータ） (2024-03-13T01:18:55Z)
• RoHM: Robust Human Motion Reconstruction via Diffusion [58.63706638272891]
  RoHMは、モノクロRGB(-D)ビデオから頑健な3次元人間の動きを復元するためのアプローチである。 ノイズと閉鎖された入力データに条件付けし、一貫した大域座標で完全な可塑性運動を再構成した。 本手法は,テスト時に高速でありながら,定性的かつ定量的に最先端の手法より優れる。
  論文  参考訳（メタデータ） (2024-01-16T18:57:50Z)
• Optimization-Based Deep learning methods for Magnetic Resonance Imaging Reconstruction and Synthesis [0.0]
  この論文は、高度な非滑らかな変動モデル(Magnetic Resonance Image)MRI再構成、効率的な学習可能な画像再構成アルゴリズム、およびMRI再構成と合成のためのディープラーニング方法を提供することを目的としている。 第1部では、変動モデルのための近位勾配降下にインスパイアされたアーキテクチャを備えた、新規なディープニューラルネットワークを紹介している。 第2部は、離散時間最適フレームワークにおけるキャリブレーションフリー高速pMRI再構成問題を解くことにより、第1部における予備作業の実質的な拡張である。 第3部は、メタラーニングフレームワークにおいて、一般化可能な磁気共鳴イメージング(MRI)再構成法を開発することを目的としている。
  論文  参考訳（メタデータ） (2023-03-02T18:59:44Z)
• Annealed Score-Based Diffusion Model for MR Motion Artifact Reduction [37.41561581618164]
  モーションアーティファクトリダクションは、MRイメージングにおいて重要な研究トピックの1つである。 我々はMRIの動作アーチファクト低減のためのアニール式スコアベース拡散モデルを提案する。 実験により, 提案手法は, シミュレーションおよび生体内動作アーティファクトの両方を効果的に低減することを確認した。
  論文  参考訳（メタデータ） (2023-01-08T12:16:08Z)
• Robust Dynamic Radiance Fields [79.43526586134163]
  動的放射場再構成法は動的シーンの時間変化構造と外観をモデル化することを目的としている。 しかし、既存の手法では、正確なカメラポーズをStructure from Motion (SfM)アルゴリズムによって確実に推定できると仮定している。 カメラパラメータとともに静的および動的放射場を共同で推定することにより、このロバスト性問題に対処する。
  論文  参考訳（メタデータ） (2023-01-05T18:59:51Z)
• Learning Spatial and Spatio-Temporal Pixel Aggregations for Image and Video Denoising [104.59305271099967]
  ピクセル集計ネットワークを提示し、画像デノイジングのためのピクセルサンプリングと平均戦略を学びます。 時間空間にまたがるサンプル画素をビデオデノナイズするための画素集約ネットワークを開発した。 本手法は,動的シーンにおける大きな動きに起因する誤認問題を解決することができる。
  論文  参考訳（メタデータ） (2021-01-26T13:00:46Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。