論文の概要: A Deep Learning-based Integrated Framework for Quality-aware
Undersampled Cine Cardiac MRI Reconstruction and Analysis
- arxiv url: http://arxiv.org/abs/2205.01673v1
- Date: Mon, 2 May 2022 18:02:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-06 07:13:39.907955
- Title: A Deep Learning-based Integrated Framework for Quality-aware
Undersampled Cine Cardiac MRI Reconstruction and Analysis
- Title（参考訳）: 深層学習に基づく品質認識型心磁図再構成と解析のための統合フレームワーク
- Authors: In\^es P. Machado, Esther Puyol-Ant\'on, Kerstin Hammernik, Gast\~ao
Cruz, Devran Ugurlu, Ihsane Olakorede, Ilkay Oksuz, Bram Ruijsink, Miguel
Castelo-Branco, Alistair A. Young, Claudia Prieto, Julia A. Schnabel and
Andrew P. King
- Abstract要約: 我々は, アンダーサンプルシネCMRデータの再構成, セグメンテーション, 下流解析のための品質制御統合フレームワークを提案する。
このフレームワークは、取得したデータが十分であれば、高品質な再構成やセグメンテーションを生成するのに十分なときに、取得を停止することができるラジアルk空間データのアクティブな取得を可能にする。
- 参考スコア（独自算出の注目度）: 4.780348242743022
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cine cardiac magnetic resonance (CMR) imaging is considered the gold standard
for cardiac function evaluation. However, cine CMR acquisition is inherently
slow and in recent decades considerable effort has been put into accelerating
scan times without compromising image quality or the accuracy of derived
results. In this paper, we present a fully-automated, quality-controlled
integrated framework for reconstruction, segmentation and downstream analysis
of undersampled cine CMR data. The framework enables active acquisition of
radial k-space data, in which acquisition can be stopped as soon as acquired
data are sufficient to produce high quality reconstructions and segmentations.
This results in reduced scan times and automated analysis, enabling robust and
accurate estimation of functional biomarkers. To demonstrate the feasibility of
the proposed approach, we perform realistic simulations of radial k-space
acquisitions on a dataset of subjects from the UK Biobank and present results
on in-vivo cine CMR k-space data collected from healthy subjects. The results
demonstrate that our method can produce quality-controlled images in a mean
scan time reduced from 12 to 4 seconds per slice, and that image quality is
sufficient to allow clinically relevant parameters to be automatically
estimated to within 5% mean absolute difference.
- Abstract（参考訳）: 心機能評価の基準として, シン心磁気共鳴(CMR)イメージングが重要である。
しかし、cine CMRの獲得は本質的に遅いため、近年では画像の品質や結果の精度を損なうことなくスキャン時間を短縮する努力が続けられている。
本稿では,全自動で品質制御されたcine cmrデータの再構成,セグメンテーション,下流解析のための統合フレームワークを提案する。
このフレームワークはラジアルk空間データのアクティブな取得を可能にし、取得したデータが高品質な再構築とセグメンテーションを生成するのに十分であれば、取得を停止することができる。
これによりスキャン時間の短縮と自動分析が可能になり、機能的バイオマーカーのロバストで正確な推定が可能になる。
提案手法の有効性を実証するため,イギリスバイオバンクの被験者データセット上でラジアルk空間取得の現実的なシミュレーションを行い,健常者から収集したin-vivo cine cmr k空間データについて報告する。
以上の結果から,スライス1秒あたり12秒から4秒に短縮された平均スキャン時間で品質制御画像が作成でき,臨床関連パラメータを5%の平均絶対差で自動的に推定できる画像品質が十分であることが示された。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Attention Incorporated Network for Sharing Low-rank, Image and K-space Information during MR Image Reconstruction to Achieve Single Breath-hold Cardiac Cine Imaging [9.531827741901662]
我々は,MRI再構成のための新しい深層学習ネットワークに,低ランク,画像,k空間を含む複数の領域からの情報を埋め込むことを提案する。
A-LIKNetは並列ブランチ構造を採用し、k空間と画像領域で独立した学習を可能にする。
論文 参考訳（メタデータ） (2024-07-03T11:54:43Z) - 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) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - Dual-Domain Self-Supervised Learning for Accelerated Non-Cartesian MRI
Reconstruction [14.754843942604472]
非カルテシアンMRIの再生を高速化するための完全自己教師型アプローチを提案する。
トレーニングでは、アンダーサンプリングされたデータは、非結合のk空間ドメイン分割に分割される。
画像レベルの自己スーパービジョンでは、元のアンサンプデータから得られる外観整合性を強制する。
論文 参考訳（メタデータ） (2023-02-18T06:11:49Z) - Optimising Chest X-Rays for Image Analysis by Identifying and Removing
Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。
公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。
我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-22T13:57:04Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - Quality-aware Cine Cardiac MRI Reconstruction and Analysis from
Undersampled k-space Data [7.022090490184671]
本稿では、画像取得と再構成を下流タスクと組み合わせた、エンドツーエンド品質を意識した近軸短軸MRIフレームワークを提案する。
このフレームワークは、2D+t心筋MRI画像のアンダーサンプルデータからの再構成のためのディープラーニングモデルで構成されている。
以上の結果より,スライス12秒から4秒のスキャン時間で品質制御画像が作成でき,心機能パラメータの信頼性の高い推定が可能であることが示唆された。
論文 参考訳（メタデータ） (2021-09-16T13:08:54Z) - Towards Ultrafast MRI via Extreme k-Space Undersampling and
Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。
低解像を補うための強力な深層学習に基づく画像強化手法を検討する。
復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文 参考訳（メタデータ） (2021-03-04T10:45:01Z) - 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。
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。