論文の概要: Deep filter bank regression for super-resolution of anisotropic MR brain images

• arxiv url: http://arxiv.org/abs/2209.02611v1
• Date: Tue, 6 Sep 2022 16:05:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-07 15:07:47.606384
• Title: Deep filter bank regression for super-resolution of anisotropic MR brain images
• Title（参考訳）: 深部フィルターバンク回帰法による異方性mr脳画像の超解像
• Authors: Samuel W. Remedios, Shuo Han, Yuan Xue, Aaron Carass, Trac D. Tran, Dzung L. Pham, Jerry L. Prince
• Abstract要約: 2次元マルチスライス磁気共鳴(MR)取得では、スループレーン信号は通常、インプレーン信号よりも低解像度である。 超高分解能(SR)法は、基礎となる高分解能ボリュームを回復することを目的としているが、推定された高周波数情報は、エンドツーエンドのデータ駆動トレーニングを通じて暗黙的である。 そこで本研究では,特定スキャンの異方性獲得に対応する完全再構成フィルタバンクの完成を近似する2段階の手法を提案する。
• 参考スコア（独自算出の注目度）: 18.41979609846356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In 2D multi-slice magnetic resonance (MR) acquisition, the through-plane signals are typically of lower resolution than the in-plane signals. While contemporary super-resolution (SR) methods aim to recover the underlying high-resolution volume, the estimated high-frequency information is implicit via end-to-end data-driven training rather than being explicitly stated and sought. To address this, we reframe the SR problem statement in terms of perfect reconstruction filter banks, enabling us to identify and directly estimate the missing information. In this work, we propose a two-stage approach to approximate the completion of a perfect reconstruction filter bank corresponding to the anisotropic acquisition of a particular scan. In stage 1, we estimate the missing filters using gradient descent and in stage 2, we use deep networks to learn the mapping from coarse coefficients to detail coefficients. In addition, the proposed formulation does not rely on external training data, circumventing the need for domain shift correction. Under our approach, SR performance is improved particularly in "slice gap" scenarios, likely due to the constrained solution space imposed by the framework.
• Abstract（参考訳）: 2次元マルチスライス磁気共鳴(MR)取得では、スループレーン信号は通常、インプレーン信号よりも低解像度である。 現代のスーパーレゾリューション(sr)法は、基礎となる高解像度ボリュームを回復することを目的としているが、推定された高周波情報は、明示的に記述され、求めるのではなく、エンドツーエンドのデータ駆動トレーニングによって暗黙化される。 これを解決するために、完全再構成フィルタバンクの観点からSR問題文を再構成し、不足した情報を識別し、直接推定する。 本研究では,特定のスキャンの異方性取得に対応する完全再構成フィルタバンクの完成を近似する2段階アプローチを提案する。 ステージ1では勾配降下法を用いて欠落フィルタを推定し,ステージ2では深いネットワークを用いて粗い係数から詳細な係数への写像を学習する。 さらに,提案する定式化は外部のトレーニングデータに頼らず,ドメインシフト補正の必要性を回避する。 提案手法では,特に「スライスギャップ」シナリオにおいてSR性能が向上している。

関連論文リスト

• UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [12.24506241611653]
  不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。 UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。 周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
  論文  参考訳（メタデータ） (2024-06-23T15:03:35Z)
• PMaF: Deep Declarative Layers for Principal Matrix Features [37.662505982849844]
  球面上の最小二乗(LESS)と暗黙の固有分解(IED)の2つの微分可能な深い宣言層を探索する。 LESSは、高次元行列から支配的な情報を含む低次元ベクトルでデータ特徴を表現するのに使うことができる。 IEDは、高次元行列から支配的な情報を含む低次元ベクトルでデータ特徴を表現するのに用いられる。
  論文  参考訳（メタデータ） (2023-06-26T15:13:36Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Arbitrary Reduction of MRI Inter-slice Spacing Using Hierarchical Feature Conditional Diffusion [13.979654208364948]
  超高解像度技術は、2DスキャンしたMR画像のスライス間隔を減らし、下流での視覚体験とコンピュータ支援診断を容易にする。 既存のほとんどの超解像法は一定のスケーリング比で訓練されており、MRスキャンがスライス間隔の異なる臨床環境では不都合である。 本稿では階層型特徴条件拡散法(HiFi-Diff)を提案する。
  論文  参考訳（メタデータ） (2023-04-16T12:05:46Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• Robust Reference-based Super-Resolution via C2-Matching [77.51610726936657]
  超解像(Ref-SR)は、最近、高分解能(HR)参照画像を導入して、低分解能(LR)入力画像を強化するための有望なパラダイムとして登場した。 既存のRef-SR法は主に暗黙の対応に頼り、参照画像からHRテクスチャを借用し、入力画像の情報損失を補う。 本稿では,C2-Matchingを提案する。
  論文  参考訳（メタデータ） (2021-06-03T16:40:36Z)
• Consistent and symmetry preserving data-driven interface reconstruction for the level-set method [0.0]
  我々は、レベルセット法、すなわち、インターフェース再構成(IR)に焦点を当てる。 体積率と開口率の計算。 提案手法は, 粗解決インターフェースの精度を向上し, 従来のIRを高分解能で復元する。 浮動小数点対称実装と計算効率の詳細を提供する。
  論文  参考訳（メタデータ） (2021-04-23T13:21:10Z)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)

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。