論文の概要: Dynamic Cardiac MRI Reconstruction Using Combined Tensor Nuclear Norm
and Casorati Matrix Nuclear Norm Regularizations
- arxiv url: http://arxiv.org/abs/2206.00831v1
- Date: Thu, 2 Jun 2022 02:08:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-03 13:45:33.923815
- Title: Dynamic Cardiac MRI Reconstruction Using Combined Tensor Nuclear Norm
and Casorati Matrix Nuclear Norm Regularizations
- Title（参考訳）: 腱核ノルムとCasorati Matrix核ノルムの併用による動的心内MRI画像再構成
- Authors: Yinghao Zhang, Yue Hu
- Abstract要約: 我々は、dMRIを再構成するためのTNNとCasorati MNNの規則化フレームワークを導入する。
提案手法は動的MRデータの空間構造と時間相関を同時に利用する。
心臓血管MRIおよび灌流MRIデータに基づく数値実験により,従来のカソーラティ核標準法の性能改善が示された。
- 参考スコア（独自算出の注目度）: 6.101233798770526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-rank tensor models have been applied in accelerating dynamic magnetic
resonance imaging (dMRI). Recently, a new tensor nuclear norm based on t-SVD
has been proposed and applied to tensor completion. Inspired by the different
properties of the tensor nuclear norm (TNN) and the Casorati matrix nuclear
norm (MNN), we introduce a combined TNN and Casorati MNN regularizations
framework to reconstruct dMRI, which we term as TMNN. The proposed method
simultaneously exploits the spatial structure and the temporal correlation of
the dynamic MR data. The optimization problem can be efficiently solved by the
alternating direction method of multipliers (ADMM). In order to further improve
the computational efficiency, we develop a fast algorithm under the Cartesian
sampling scenario. Numerical experiments based on cardiac cine MRI and
perfusion MRI data demonstrate the performance improvement over the traditional
Casorati nuclear norm regularization method.
- Abstract（参考訳）: 低ランクテンソルモデルが動的磁気共鳴イメージング(dMRI)に応用されている。
近年, t-SVDに基づく新しいテンソル核ノルムが提案され, テンソル完備化に応用されている。
テンソル核ノルム(TNN)とカソラティマトリックス核ノルム(MNN)の異なる性質に着想を得て,我々は,TMNNと呼ばれるdMRIを再構成するためのTNNとカソラティMNNの規則化フレームワークを導入した。
提案手法は動的MRデータの空間構造と時間相関を同時に利用する。
乗算器の交互方向法(ADMM)により最適化問題を効率的に解くことができる。
計算効率をさらに向上するために,カルテシアンサンプリングのシナリオ下で高速なアルゴリズムを開発する。
心臓血管MRIおよび灌流MRIデータに基づく数値実験により,従来のカソーラティ核標準法の性能改善が示された。
関連論文リスト
- Scalable Mechanistic Neural Networks [52.28945097811129]
長い時間的シーケンスを含む科学機械学習応用のための拡張ニューラルネットワークフレームワークを提案する。
元のメカニスティックニューラルネットワーク (MNN) を再構成することにより、計算時間と空間の複雑さを、それぞれ、列長に関して立方体と二次体から線形へと減少させる。
大規模な実験により、S-MNNは元のMNNと精度で一致し、計算資源を大幅に削減した。
論文 参考訳（メタデータ） (2024-10-08T14:27:28Z) - Robust Depth Linear Error Decomposition with Double Total Variation and
Nuclear Norm for Dynamic MRI Reconstruction [15.444386058967579]
Compressed Sensing (CS) に基づく動的MRI k-space 再構成にはまだ問題がある。
本稿では,高アンダーサンプリングフーリエ変換(DFT)を用いた高低レート動的MRI再構成モデルを提案する。
動的MRIデータに対する実験は、再構成精度と時間複雑性の両方の観点から、優れた性能を示す。
論文 参考訳（メタデータ） (2023-10-23T13:34:59Z) - Joint MR sequence optimization beats pure neural network approaches for
spin-echo MRI super-resolution [44.52688267348063]
最近のMRIスーパーレゾリューション(SR)法は、ニューラルネットワーク(NN)の入力として典型的な臨床領域から取得したコントラストのみを使用する
SR-TSEのためのMRシークエンスとニューラルネットワークパラメータのエンドツーエンド最適化を実現するための既知の演算子学習手法を提案する。
論文 参考訳（メタデータ） (2023-05-12T14:40:25Z) - Dynamic MRI using Learned Transform-based Deep Tensor Low-Rank Network
(DTLR-Net) [9.658908705889777]
心臓のダイナミックMR画像に先行するテンソルローランクを学習することで,モデルに基づくディープラーニングネットワークを導入する。
提案したフレームワークは,最先端のアルゴリズムと比較して,回復率の向上を実現している。
論文 参考訳（メタデータ） (2022-06-02T02:55:41Z) - 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) - 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) - Multi-modal and frequency-weighted tensor nuclear norm for hyperspectral
image denoising [2.9993889271808807]
低ランク性は高スペクトル画像(HSI)復調作業において重要である。
マルチモーダルおよび非重み付きテンソル準最適化性能(MFWTNN)と非MFWTNNによるHSI復調タスクを提案する。
論文 参考訳（メタデータ） (2021-06-23T16:01:08Z) - Deep Manifold Learning for Dynamic MR Imaging [30.70648993986445]
本研究では, 非線形多様体上での深層学習法を開発し, 動的信号の時間的冗長性を探究し, 心臓MRIデータを再構成する。
提案手法は, 圧縮センシング(CS)法と, 最先端の深層学習法であるDC-CNNとCRNNと比較して, 改良された再構成が得られる。
論文 参考訳（メタデータ） (2021-03-09T02:18:08Z) - LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。
フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
論文 参考訳（メタデータ） (2021-03-01T03:10:11Z) - A Fully Tensorized Recurrent Neural Network [48.50376453324581]
重み付けされたRNNアーキテクチャを導入し、各リカレントセル内の個別の重み付け行列を共同で符号化する。
このアプローチはモデルのサイズを数桁削減するが、通常のRNNと同等あるいは優れた性能を維持している。
論文 参考訳（メタデータ） (2020-10-08T18:24:12Z)
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。