論文の概要: T$^2$LR-Net: An Unrolling Reconstruction Network Learning Transformed
Tensor Low-Rank prior for Dynamic MR Imaging
- arxiv url: http://arxiv.org/abs/2209.03832v1
- Date: Thu, 8 Sep 2022 14:11:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-09 12:56:41.528888
- Title: T$^2$LR-Net: An Unrolling Reconstruction Network Learning Transformed
Tensor Low-Rank prior for Dynamic MR Imaging
- Title（参考訳）: t$^2$lr-net : 動的mr画像に先立って変換されたテンソル低ランクの学習
- Authors: Yinghao Zhang, Yue Hu
- Abstract要約: 我々は、変換されたドメインの前にテンソルローランクを利用することができるTTNNに基づくフレキシブルモデルを導入する。
また,変換テンソルの低ランク化を前もって学習するためのモデルベースディープ・アンロール・リコンストラクション・ネットワークを導入する。
提案手法は,現状の最適化手法とネットワークベースのアンロール手法と比較して,改善された回復結果を提供することができる。
- 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: While the methods exploiting the tensor low-rank prior are booming in
high-dimensional data processing and have obtained satisfying performance,
their applications in dynamic magnetic resonance (MR) image reconstruction are
limited. In this paper, we concentrate on the tensor singular value
decomposition (t-SVD), which is based on the Fast Fourier Transform (FFT) and
only provides the definite and limited tensor low-rank prior in the FFT domain,
heavily reliant upon how closely the data and the FFT domain match up. By
generalizing the FFT into an arbitrary unitary transformation of the
transformed t-SVD and proposing the transformed tensor nuclear norm (TTNN), we
introduce a flexible model based on TTNN with the ability to exploit the tensor
low-rank prior of a transformed domain in a larger transformation space and
elaborately design an iterative optimization algorithm based on the alternating
direction method of multipliers (ADMM), which is further unrolled into a
model-based deep unrolling reconstruction network to learn the transformed
tensor low-rank prior (T$^2$LR-Net). The convolutional neural network (CNN) is
incorporated within the T$^2$LR-Net to learn the best-matched transform from
the dynamic MR image dataset. The unrolling reconstruction network also
provides a new perspective on the low-rank prior utilization by exploiting the
low-rank prior in the CNN-extracted feature domain. Experimental results on two
cardiac cine MR datasets demonstrate that the proposed framework can provide
improved recovery results compared with the state-of-the-art optimization-based
and unrolling network-based methods.
- Abstract（参考訳）: 高次元データ処理において, テンソル低ランク前処理法がブームとなり, 性能が向上する一方, 動的磁気共鳴(MR)画像再構成への応用は限られている。
本稿では、高速フーリエ変換(FFT)に基づくテンソル特異値分解(t-SVD)に集中し、データとFFT領域の密接な一致度に大きく依存して、FFT領域に先行する定格かつ限定的なテンソルローランクのみを提供する。
By generalizing the FFT into an arbitrary unitary transformation of the transformed t-SVD and proposing the transformed tensor nuclear norm (TTNN), we introduce a flexible model based on TTNN with the ability to exploit the tensor low-rank prior of a transformed domain in a larger transformation space and elaborately design an iterative optimization algorithm based on the alternating direction method of multipliers (ADMM), which is further unrolled into a model-based deep unrolling reconstruction network to learn the transformed tensor low-rank prior (T$^2$LR-Net).
畳み込みニューラルネットワーク(CNN)はT$^2$LR-Netに組み込まれ,動的MR画像データセットから最適な整合変換を学習する。
アンローリング再構成ネットワークは、CNN抽出特徴領域における低ランク事前利用の新たな視点を提供する。
2つの心血管MRデータセットによる実験結果から,提案フレームワークは,最新の最適化手法とネットワークベースのアンローリング手法と比較して,回復率を向上できることが示された。
関連論文リスト
- JotlasNet: Joint Tensor Low-Rank and Attention-based Sparse Unrolling Network for Accelerating Dynamic MRI [6.081607038128913]
動的MRI再構成のための新しいディープアンローリングネットワークJotlasNetを提案する。
ダイナミックMRIでは,低ランク・スパースアンローリングネットワークが優れた性能を示した。
論文 参考訳（メタデータ） (2025-02-17T12:43:04Z) - OTLRM: Orthogonal Learning-based Low-Rank Metric for Multi-Dimensional Inverse Problems [14.893020063373022]
学習可能な直交変換に基づく新しいデータ駆動型低ランクt-SVDモデルを提案する。
また、生成ネットワークの効率的な表現を利用して低ランク構造を得るSVTの一般化として低ランク解法を提案する。
論文 参考訳（メタデータ） (2024-12-15T12:28:57Z) - Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。
複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。
変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
論文 参考訳（メタデータ） (2024-12-05T09:41:33Z) - TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。
時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。
並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
論文 参考訳（メタデータ） (2024-04-15T06:01:48Z) - Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。
本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。
本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
論文 参考訳（メタデータ） (2023-03-16T21:06:13Z) - Affine Transformation Edited and Refined Deep Neural Network for
Quantitative Susceptibility Mapping [10.772763441035945]
定量的サセプティビリティマッピング(QSM)のための、エンドツーエンドのAFfine Transformation Edited and Refined (AFTER)ディープニューラルネットワークを提案する。
任意の取得方向と空間分解能が最大0.6mm等方性に対して最も高い。
論文 参考訳（メタデータ） (2022-11-25T07:54:26Z) - 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) - Cross-Modality High-Frequency Transformer for MR Image Super-Resolution [100.50972513285598]
我々はTransformerベースのMR画像超解像フレームワークを構築するための初期の取り組みを構築した。
我々は、高周波構造とモード間コンテキストを含む2つの領域先行について考察する。
我々は,Cross-modality High- frequency Transformer (Cohf-T)と呼ばれる新しいTransformerアーキテクチャを構築し,低解像度画像の超解像化を実現する。
論文 参考訳（メタデータ） (2022-03-29T07:56:55Z) - 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) - Deep Low-rank Prior in Dynamic MR Imaging [30.70648993986445]
本稿では、学習可能な低ランクをディープネットワークアーキテクチャに導入するための2つの新しいスキームを紹介する。
本研究では,SLR-Netと呼ばれるダイナミックMRイメージングのためのモデルベースアンローリングスパースとローランクネットワークを提案する。
プラグ・アンド・プレイ方式では、他の動的MRニューラルネットワークに簡単に組み込むことができるプラグ・アンド・プレイLRネットワークモジュールを提案する。
論文 参考訳（メタデータ） (2020-06-22T09:26:10Z) - Iterative Network for Image Super-Resolution [69.07361550998318]
単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。
本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。
反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
論文 参考訳（メタデータ） (2020-05-20T11:11:47Z)
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。