論文の概要: On learning adaptive acquisition policies for undersampled multi-coil MRI reconstruction

• arxiv url: http://arxiv.org/abs/2203.16392v1
• Date: Wed, 30 Mar 2022 15:23:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-31 18:40:51.812232
• Title: On learning adaptive acquisition policies for undersampled multi-coil MRI reconstruction
• Title（参考訳）: アンダーサンプ型マルチコイルMRI再構成のための学習適応獲得ポリシーについて
• Authors: Tim Bakker, Matthew Muckley, Adriana Romero-Soriano, Michal Drozdzal, Luis Pineda
• Abstract要約: 本研究では,再建モデルと獲得方針を併用した共同学習の課題について考察する。 我々は、異なるデータポイントに対応可能な学習可能な取得ポリシーにより、エンド・ツー・エンド変分ネットワークを拡張します。
• 参考スコア（独自算出の注目度）: 6.17477133700348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most current approaches to undersampled multi-coil MRI reconstruction focus on learning the reconstruction model for a fixed, equidistant acquisition trajectory. In this paper, we study the problem of joint learning of the reconstruction model together with acquisition policies. To this end, we extend the End-to-End Variational Network with learnable acquisition policies that can adapt to different data points. We validate our model on a coil-compressed version of the large scale undersampled multi-coil fastMRI dataset using two undersampling factors: $4\times$ and $8\times$. Our experiments show on-par performance with the learnable non-adaptive and handcrafted equidistant strategies at $4\times$, and an observed improvement of more than $2\%$ in SSIM at $8\times$ acceleration, suggesting that potentially-adaptive $k$-space acquisition trajectories can improve reconstructed image quality for larger acceleration factors. However, and perhaps surprisingly, our best performing policies learn to be explicitly non-adaptive.
• Abstract（参考訳）: マルチコイルMRI再構成のアンサンプ化への現在のアプローチは、固定等距離取得軌道の再構成モデル学習に重点を置いている。 本稿では,再構築モデルと獲得方針の併用による共同学習の問題について考察する。 この目的を達成するために、さまざまなデータポイントに適応可能な学習可能な取得ポリシーによって、エンドツーエンドの変分ネットワークを拡張する。 我々は,大規模アンサンプ付きマルチコイル高速MRIデータセットのコイル圧縮版に対して,2つのアンサンプリング因子を用いて検証を行った。 我々の実験では、学習可能な非適応および手作りの等距離戦略を$4\times$で、ssimの$8\times$アクセラレーションで$2\%$以上の改善が観察されている。 しかし、おそらく驚くことに、最高の実行ポリシーは、明示的に非適応的であることを学びます。

関連論文リスト

• Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
  モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。 本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。 本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T11:47:56Z)
• On Retrospective k-space Subsampling schemes For Deep MRI Reconstruction [2.4934936799100034]
  直交的または非直交的軌跡はMRIスキャナーで代替のサブサンプリングオプションとして実装することができる。 本研究は,1k$-spaceサブサンプリング方式がMRIの再構成精度に及ぼす影響について検討する。
  論文  参考訳（メタデータ） (2023-01-20T00:05:18Z)
• A Path Towards Clinical Adaptation of Accelerated MRI [0.0]
  臨床関連性を高めるために,ニューラルネットワークMRI画像再構成器の強化について検討する。 MR信号データに可変加速度因子を付加したトレーニングコンストラクタは, 臨床患者検診における平均性能を最大で2%向上できることを示した。
  論文  参考訳（メタデータ） (2022-08-26T18:34:41Z)
• Rethinking the optimization process for self-supervised model-driven MRI reconstruction [16.5013498806588]
  K2Calibrateは、自己教師付きモデル駆動MR再構成最適化のためのK空間適応戦略である。 統計的に依存したノイズによるネットワークの復元劣化を低減することができる。 5つの最先端の手法よりも優れた結果が得られる。
  論文  参考訳（メタデータ） (2022-03-18T03:41:36Z)
• Learned Half-Quadratic Splitting Network for Magnetic Resonance Image Reconstruction [45.286707539841494]
  本稿では,MR画像再構成のための半四分法分割アルゴリズムを提案する。 本手法の有効性を,DC-CNN と LPDNet と比較した。 我々は,再現性の向上のためにモデルを拡張し,ピーク信号対雑音比においてLPDNetよりも1.76$dB,2.74$dBの改善を行った。
  論文  参考訳（メタデータ） (2021-12-17T20:48:21Z)
• Model-Augmented Q-learning [112.86795579978802]
  モデルベースRLの構成要素を付加したMFRLフレームワークを提案する。 具体的には、$Q$-valuesだけでなく、共有ネットワークにおける遷移と報酬の両方を見積もる。 提案手法は,MQL (Model-augmented $Q$-learning) とよばれる提案手法により,真に報いられた学習によって得られる解と同一のポリシ不変解が得られることを示す。
  論文  参考訳（メタデータ） (2021-02-07T17:56:50Z)
• Ada-Segment: Automated Multi-loss Adaptation for Panoptic Segmentation [95.31590177308482]
  我々は,トレーニング期間中に複数のトレーニング損失を柔軟に調整する自動マルチロス適応(ada-segment)を提案する。 エンドツーエンドアーキテクチャにより、ada-segmentはハイパーパラメータを再チューニングすることなく、異なるデータセットに一般化する。 Ada-Segmentは、バニラベースラインからCOCOval分割に2.7%のパノラマ品質(PQ)改善をもたらし、COCOテストデブ分割に最新の48.5%PQ、ADE20Kデータセットに32.9%PQを達成しました。
  論文  参考訳（メタデータ） (2020-12-07T11:43:10Z)
• Fast Nonconvex $T_2^*$ Mapping Using ADMM [14.22930572798757]
  磁気共鳴(MR)$T*$マッピングは、様々な臨床応用において出血、石灰化、鉄沈着の研究に広く用いられているが、組織における所望のコントラストの直接的かつ正確なマッピングを提供する。 従来の3D解像度の$*$マッピング法で必要とされる長い取得時間は、患者に不快を生じさせ、再構成された画像に運動アーティファクトを導入し、より広い適用性を制限する。 本稿では,圧縮センシングを用いたアンダーサンプルデータから$T*$マッピングを行うことでこの問題に対処する。
  論文  参考訳（メタデータ） (2020-08-04T20:08:43Z)
• Bifurcated backbone strategy for RGB-D salient object detection [168.19708737906618]
  我々は、RGB-Dの高次物体検出に固有のマルチモーダル・マルチレベルの性質を活用して、新しいカスケードリファインメントネットワークを考案する。 アーキテクチャは Bifurcated Backbone Strategy Network (BBS-Net) と呼ばれ、シンプルで効率的でバックボーンに依存しない。
  論文  参考訳（メタデータ） (2020-07-06T13:01:30Z)
• One-Shot Object Detection without Fine-Tuning [62.39210447209698]
  本稿では,第1ステージのMatching-FCOSネットワークと第2ステージのStructure-Aware Relation Moduleからなる2段階モデルを提案する。 また,検出性能を効果的に向上する新たなトレーニング戦略を提案する。 提案手法は,複数のデータセット上で一貫した最先端のワンショット性能を上回る。
  論文  参考訳（メタデータ） (2020-05-08T01:59:23Z)

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。