論文の概要: Multi-head Cascaded Swin Transformers with Attention to k-space Sampling
Pattern for Accelerated MRI Reconstruction
- arxiv url: http://arxiv.org/abs/2207.08412v1
- Date: Mon, 18 Jul 2022 07:21:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-19 23:11:42.364449
- Title: Multi-head Cascaded Swin Transformers with Attention to k-space Sampling
Pattern for Accelerated MRI Reconstruction
- Title（参考訳）: 加速MRI再建のためのk空間サンプリングパターンを考慮したマルチヘッドカスケードスイム変換器
- Authors: Mevan Ekanayake, Kamlesh Pawar, Mehrtash Harandi, Gary Egan, Zhaolin
Chen
- Abstract要約: 我々は,McSTRA(Multi-head Cascaded Swin Transformer)と題する,物理学に基づくスタンドアロン(畳み込みフリー)トランスモデルを提案する。
当モデルでは, 画像と定量的に, 最先端のMRI再建法より有意に優れていた。
- 参考スコア（独自算出の注目度）: 16.44971774468092
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Global correlations are widely seen in human anatomical structures due to
similarity across tissues and bones. These correlations are reflected in
magnetic resonance imaging (MRI) scans as a result of close-range proton
density and T1/T2 parameter. Furthermore, to achieve accelerated MRI, k-space
data are undersampled which causes global aliasing artifacts. Convolutional
neural network (CNN) models are widely utilized for accelerated MRI
reconstruction, but those models are limited in capturing global correlations
due to the intrinsic locality of the convolution operation. The
self-attention-based transformer models are capable of capturing global
correlations among image features, however, the current contributions of
transformer models for MRI reconstruction are minute. The existing
contributions mostly provide CNN-transformer hybrid solutions and rarely
leverage the physics of MRI. In this paper, we propose a physics-based
stand-alone (convolution free) transformer model titled, the Multi-head
Cascaded Swin Transformers (McSTRA) for accelerated MRI reconstruction. McSTRA
combines several interconnected MRI physics-related concepts with the
transformer networks: it exploits global MR features via the shifted window
self-attention mechanism; it extracts MR features belonging to different
spectral components separately using a multi-head setup; it iterates between
intermediate de-aliasing and k-space correction via a cascaded network with
data consistency in k-space and intermediate loss computations; furthermore, we
propose a novel positional embedding generation mechanism to guide
self-attention utilizing the point spread function corresponding to the
undersampling mask. Our model significantly outperforms state-of-the-art MRI
reconstruction methods both visually and quantitatively while depicting
improved resolution and removal of aliasing artifacts.
- Abstract（参考訳）: グローバルな相関関係は、組織と骨間の類似性により、ヒトの解剖学的構造に広く見られる。
これらの相関は、近接距離プロトン密度とT1/T2パラメータの結果、MRIスキャンで反映される。
さらに、加速MRIを実現するため、k空間データはアンサンプされ、グローバルエイリアスアーティファクトを引き起こす。
畳み込みニューラルネットワーク(CNN)モデルはMRI再生の高速化に広く利用されているが、畳み込み動作の内在的局所性に起因する大域的相関を捉えることに制限されている。
自己注意型トランスモデルは画像特徴間の大域的相関を捉えることができるが、MRI再構成のためのトランスモデルの現在の貢献は微小である。
既存の貢献は主にcnn-transformerハイブリッドソリューションを提供し、mriの物理をほとんど活用しない。
本稿では,mriの高速化を目的としたマルチヘッドカスケードスウィントランス(mcstra)という,物理ベースのスタンドアロン(畳み込みフリー)トランスフォーマーモデルを提案する。
McSTRA combines several interconnected MRI physics-related concepts with the transformer networks: it exploits global MR features via the shifted window self-attention mechanism; it extracts MR features belonging to different spectral components separately using a multi-head setup; it iterates between intermediate de-aliasing and k-space correction via a cascaded network with data consistency in k-space and intermediate loss computations; furthermore, we propose a novel positional embedding generation mechanism to guide self-attention utilizing the point spread function corresponding to the undersampling mask.
本モデルは,画像上および定量的にmri再構成法を著しく上回り,分解能の向上とエイリアスアーティファクトの除去を図示する。
関連論文リスト
- Polyhedra Encoding Transformers: Enhancing Diffusion MRI Analysis Beyond Voxel and Volumetric Embedding [9.606654786275902]
本稿では,球面信号の処理に特化して設計されたdMRI用ポリヘドラ変換器(PE-Transformer)を提案する。
提案手法では, 所定の方向から信号を再サンプリングするために, アイコサヘドの単位球を投影する。この再サンプリングされた信号は, アイコサヘドの方向を反映する情報を含むトランスフォーマーエンコーダによって処理され, 埋め込みに変換される。
論文 参考訳（メタデータ） (2025-01-23T03:32:52Z) - NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。
様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
論文 参考訳（メタデータ） (2024-03-27T02:42:52Z) - 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) - 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) - Neural Spherical Harmonics for structurally coherent continuous
representation of diffusion MRI signal [0.3277163122167433]
本稿では,ヒト脳の構造的コヒーレンスから恩恵を受ける拡散磁気共鳴画像(dMRI)データセットをモデル化する方法を提案する。
現在の方法では、個々のボクセルのdMRI信号をモデル化し、現在存在するボクセルのコヒーレンスを無視している。
我々は、ニューラルネットワークを用いて、Human Connectome Projectデータセットから1つの対象のdMRI信号を表現するために、球面調和系列をパラメータ化する。
論文 参考訳（メタデータ） (2023-08-16T08:28:01Z) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳（メタデータ） (2022-09-15T03:58:30Z) - Transformer-empowered Multi-scale Contextual Matching and Aggregation
for Multi-contrast MRI Super-resolution [55.52779466954026]
マルチコントラスト・スーパーレゾリューション (SR) 再構成により, SR画像の高画質化が期待できる。
既存の手法では、これらの特徴をマッチングし、融合させる効果的なメカニズムが欠如している。
そこで本稿では,トランスフォーマーを利用したマルチスケールコンテキストマッチングとアグリゲーション技術を開発することで,これらの問題を解決する新しいネットワークを提案する。
論文 参考訳（メタデータ） (2022-03-26T01:42:59Z) - ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。
高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。
パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-01-23T21:58:19Z) - Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。
近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。
本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
論文 参考訳（メタデータ） (2021-08-12T08:46:35Z) - ResViT: Residual vision transformers for multi-modal medical image
synthesis [0.0]
本稿では、畳み込み演算子の局所的精度と視覚変換器の文脈的感度を組み合わせ、医用画像合成のための新しい生成逆変換手法ResViTを提案する。
以上の結果から,ResViTと競合する手法の質的観察と定量化の両面での優位性が示唆された。
論文 参考訳（メタデータ） (2021-06-30T12:57:37Z)
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。