論文の概要: Denoising of Three-Dimensional Fast Spin Echo Magnetic Resonance Images of Knee Joints using Spatial-Variant Noise-Relevant Residual Learning of Convolution Neural Network

• arxiv url: http://arxiv.org/abs/2204.10773v1
• Date: Thu, 21 Apr 2022 03:45:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-25 13:22:57.102788
• Title: Denoising of Three-Dimensional Fast Spin Echo Magnetic Resonance Images of Knee Joints using Spatial-Variant Noise-Relevant Residual Learning of Convolution Neural Network
• Title（参考訳）: 畳み込みニューラルネットワークの空間的雑音関連残差学習による膝関節の3次元高速スピンエコー磁気共鳴画像の作成
• Authors: Shutian Zhao (1), Donal G. Cahill (1), Siyue Li (1), Fan Xiao (1), Thierry Blu (2), James F Griffith (1), Weitian Chen (1) ((1) Department of Imaging and Interventional Radiology, the Chinese University of Hong Kong, (2) Department of Electrical Engineering, the Chinese University of Hong Kong)
• Abstract要約: 2次元高速スピンエコー法(FSE)は, 膝関節のMRIにおいて中心的な役割を担っている。 3D FSEは膝関節の高等方性磁気共鳴(MR)像を提供するが、2D FSEと比較して信号と雑音の比が低い。 ディープラーニング復調法はMR画像の復調に有望な手法であるが,合成ノイズを用いて訓練されることも多い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Two-dimensional (2D) fast spin echo (FSE) techniques play a central role in the clinical magnetic resonance imaging (MRI) of knee joints. Moreover, three-dimensional (3D) FSE provides high-isotropic-resolution magnetic resonance (MR) images of knee joints, but it has a reduced signal-to-noise ratio compared to 2D FSE. Deep-learning denoising methods are a promising approach for denoising MR images, but they are often trained using synthetic noise due to challenges in obtaining true noise distributions for MR images. In this study, inherent true noise information from 2-NEX acquisition was used to develop a deep-learning model based on residual learning of convolutional neural network (CNN), and this model was used to suppress the noise in 3D FSE MR images of knee joints. The proposed CNN used two-step residual learning over parallel transporting and residual blocks and was designed to comprehensively learn real noise features from 2-NEX training data. The results of an ablation study validated the network design. The new method achieved improved denoising performance of 3D FSE knee MR images compared with current state-of-the-art methods, based on the peak signal-to-noise ratio and structural similarity index measure. The improved image quality after denoising using the new method was verified by radiological evaluation. A deep CNN using the inherent spatial-varying noise information in 2-NEX acquisitions was developed. This method showed promise for clinical MRI assessments of the knee, and has potential applications for the assessment of other anatomical structures.
• Abstract（参考訳）: 2次元高速スピンエコー法(FSE)は, 膝関節のMRIにおいて中心的な役割を担っている。 さらに3次元FSEは膝関節の高等方性磁気共鳴(MR)像を提供するが、2次元FSEに比べて信号対雑音比が低い。 深層学習手法はmr画像に有望な手法であるが,mr画像の真の雑音分布を得る上での課題から合成雑音を用いて訓練されることが多い。 本研究では, 畳み込みニューラルネットワーク (CNN) の残差学習に基づく深層学習モデルの開発に, 2-NEX による固有ノイズ情報を用いて, 膝関節の3次元FSE MR画像のノイズ抑制を行った。 提案したCNNは、2段階の残差学習を並列輸送および残差ブロック上で使用し、2-NEXトレーニングデータから実雑音特徴を総合的に学習するように設計された。 アブレーション実験の結果,ネットワーク設計が検証された。 本手法は, ピーク信号対雑音比と構造類似度指標に基づいて, 最先端法と比較して3次元fse膝関節mr画像のデノージング性能が向上した。 また, 画像品質の向上を, 放射線学的評価により検証した。 2-NEX取得における空間変動ノイズ情報を用いた深部CNNを開発した。 本法は, 膝関節の臨床MRI評価に有意であり, 他の解剖学的構造評価にも有用であると考えられた。

関連論文リスト

• Enhancing Deep Learning-Driven Multi-Coil MRI Reconstruction via Self-Supervised Denoising [4.6017417632210655]
  自己教師型認知は、深層学習(DL)に基づく再構成手法を訓練するための前処理のステップである。 以上の結果から, denoising は DL-based MRI 再構成法の有効性を向上させる上で必要不可欠な前処理技術であることが示唆された。
  論文  参考訳（メタデータ） (2024-11-19T23:17:09Z)
• 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)
• Noise Level Adaptive Diffusion Model for Robust Reconstruction of Accelerated MRI [34.361078452552945]
  実世界のMRIは、熱ゆらぎによる固有のノイズを既に含んでいる。 そこで本研究では,Nila-DC (NoIse Level Adaptive Data Consistency) を用いた後方サンプリング手法を提案する。 提案手法は最先端のMRI再構成法を超越し,様々なノイズレベルに対して高い堅牢性を有する。
  論文  参考訳（メタデータ） (2024-03-08T12:07:18Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• 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)
• Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
  高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。 この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
  論文  参考訳（メタデータ） (2023-07-12T00:01:00Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Denoising of 3D MR images using a voxel-wise hybrid residual MLP-CNN model to improve small lesion diagnostic confidence [4.636940840535911]
  MRI画像の小さな病変は、多くの疾患の臨床的診断に不可欠である。 MRIの画質は様々なノイズによって容易に劣化し、小病変の診断精度に大きな影響を及ぼす可能性がある。 そこで本研究では,小病変の3次元MR像を呈示するボクセルワイドハイブリッド残差CNNモデルを提案する。
  論文  参考訳（メタデータ） (2022-09-28T03:54:56Z)
• Multi-stage image denoising with the wavelet transform [125.2251438120701]
  深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。 動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
  論文  参考訳（メタデータ） (2022-09-26T03:28:23Z)
• Supervised Denoising of Diffusion-Weighted Magnetic Resonance Images Using a Convolutional Neural Network and Transfer Learning [0.0]
  本稿では,現実的な合成MRデータに基づいて訓練された畳み込みニューラルネットワークを用いて,脳の拡散強調画像(DWI)を識別する手法を提案する。 提案手法の適用により,繰り返しスキャンする回数を減らすことにより,スキャン時間の大幅な削減が可能となった。
  論文  参考訳（メタデータ） (2022-06-01T08:14:35Z)
• Unpaired Learning of Deep Image Denoising [80.34135728841382]
  本稿では,自己指導型学習と知識蒸留を取り入れた2段階の手法を提案する。 自己教師型学習では,実雑音の画像のみから視覚を学習するための拡張型盲点ネットワーク(D-BSN)を提案する。 実験の結果,本手法は合成ノイズ画像と実世界のノイズ画像の両方で良好に機能することがわかった。
  論文  参考訳（メタデータ） (2020-08-31T16:22:40Z)

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。