Fugu-MT 論文翻訳(概要): Learning-based and unrolled motion-compensated reconstruction for cardiac MR CINE imaging

論文の概要: Learning-based and unrolled motion-compensated reconstruction for cardiac MR CINE imaging

arxiv url: http://arxiv.org/abs/2209.03671v1
Date: Thu, 8 Sep 2022 09:34:12 GMT
ステータス: 処理完了
システム内更新日: 2022-09-09 12:57:00.218717
Title: Learning-based and unrolled motion-compensated reconstruction for cardiac MR CINE imaging
Title（参考訳）: 心MR-CINE画像の学習による運動補償再建
Authors: Jiazhen Pan and Daniel Rueckert and Thomas K\"ustner and Kerstin Hammernik
Abstract要約: 運動補償MR再構成(MCMR)は、かなりの可能性を持つ強力な概念である。心臓MRI画像における非剛性運動障害を効果的に扱うための,MCMRのための学習ベースの自己教師型フレームワークを提案する。
参考スコア（独自算出の注目度）: 8.095696087978977
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Motion-compensated MR reconstruction (MCMR) is a powerful concept with considerable potential, consisting of two coupled sub-problems: Motion estimation, assuming a known image, and image reconstruction, assuming known motion. In this work, we propose a learning-based self-supervised framework for MCMR, to efficiently deal with non-rigid motion corruption in cardiac MR imaging. Contrary to conventional MCMR methods in which the motion is estimated prior to reconstruction and remains unchanged during the iterative optimization process, we introduce a dynamic motion estimation process and embed it into the unrolled optimization. We establish a cardiac motion estimation network that leverages temporal information via a group-wise registration approach, and carry out a joint optimization between the motion estimation and reconstruction. Experiments on 40 acquired 2D cardiac MR CINE datasets demonstrate that the proposed unrolled MCMR framework can reconstruct high quality MR images at high acceleration rates where other state-of-the-art methods fail. We also show that the joint optimization mechanism is mutually beneficial for both sub-tasks, i.e., motion estimation and image reconstruction, especially when the MR image is highly undersampled.
Abstract（参考訳）: 運動補償MR再構成(MCMR)は2つのサブプロブレム(運動推定、既知の画像の仮定、画像再構成、既知の動きの仮定)から構成される強力な概念である。本研究では,心臓mri画像における非剛性運動腐敗を効率的に処理するための学習型自己監視フレームワークを提案する。再現前の動作を推定し,反復的最適化プロセス中に変化しない従来のMCMR法とは対照的に,動的動作推定プロセスを導入し,アンロール最適化に組み込む。本研究は, 集団登録アプローチによる時間情報を活用した心臓運動推定ネットワークを構築し, 運動推定と再構成の協調最適化を行う。 40個の2次元心臓mr cineデータセットを用いた実験により, 提案手法は高画質mr像を高加速速度で再構成できることを示した。また,MR画像が高度にアンサンプされている場合,動作推定と画像再構成の両方に共同最適化機構が有用であることを示す。

関連論文リスト

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)
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)
Deep Cardiac MRI Reconstruction with ADMM [7.694990352622926]
心臓画像の分野では, 深層学習(DL)を用いたシネ・マルチコントラスト再建法を提案する。提案手法は画像領域とk空間領域の両方を最適化し,高い再構成精度を実現する。
論文参考訳（メタデータ） (2023-10-10T13:46:11Z)
Fill the K-Space and Refine the Image: Prompting for Dynamic and Multi-Contrast MRI Reconstruction [31.404228406642194]
ダイナミックまたはマルチコントラスト磁気共鳴画像(MRI)再構成の鍵は、フレーム間またはコントラスト間情報を探索することにある。本稿では,これらの制約に対処する2段階MRI再構成パイプラインを提案する。提案手法は,従来の高速MRI再建法より有意に優れていた。
論文参考訳（メタデータ） (2023-09-25T02:51:00Z)
Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction [54.19448988321891]
本稿では,T1重み付き画像(T1WIs)を補助モダリティとして活用し,T2WIsの取得を高速化するエンド・ツー・エンドのディープラーニングフレームワークを提案する。最適輸送(OT)を用いてT1WIを整列させてT2WIを合成し、クロスモーダル合成を行う。再構成されたT2WIと合成されたT2WIがT2画像多様体に近づき、繰り返しが増加することを示す。
論文参考訳（メタデータ） (2023-05-04T12:20:51Z)
Motion-compensated MR CINE reconstruction with reconstruction-driven motion estimation [11.432602522235742]
運動補償MR再構成(MCMR)は,高度にアンサンプされた買収に対処するための効果的なアプローチである。本稿では,MCMR問題に対する新たな視点と,MCMR分野に対するより統合的で効率的な解法を提案する。我々のアプローチは、運動推定は究極のゴール、再構築によって直接駆動されるが、正準運動ウォーピング損失によって行われるものではないという点で特異である。
論文参考訳（メタデータ） (2023-02-05T22:51:27Z)
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)
Data-Consistent Non-Cartesian Deep Subspace Learning for Efficient Dynamic MR Image Reconstruction [17.713927354433398]
Data-Consistent (DC) 深層学習は画像品質のよい再構成を加速するが、非カルテシアン部分空間イメージングでは定式化されていない。高速かつ高精度な動的MR画像再構成のための直流非直流深部部分空間学習フレームワークを提案する。
論文参考訳（メタデータ） (2022-05-03T20:37:21Z)
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)
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
DiffuseReconは拡散モデルに基づく新しいMR再構成法である。観測された信号に基づいて生成過程を導出する。特定の加速因子に関する追加の訓練は必要としない。
論文参考訳（メタデータ） (2022-03-08T02:25:38Z)
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)

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。