論文の概要: Magnetic Resonance Fingerprinting with compressed sensing and distance
metric learning
- arxiv url: http://arxiv.org/abs/2209.08734v1
- Date: Mon, 19 Sep 2022 03:08:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 17:24:54.307670
- Title: Magnetic Resonance Fingerprinting with compressed sensing and distance
metric learning
- Title(参考訳): 圧縮センシングと距離メトリック学習を用いた磁気共鳴フィンガープリント
- Authors: Zhe Wang, Hongsheng Li, Qinwei Zhang, Jing Yuan, Xiaogang Wang
- Abstract要約: MRF(Magnetic Resonance Fingerprinting)は、複数の組織関連パラメータを同時に推定する新しい技術である。
MRF法は、k空間データを著しくアンサンプするため、アーティファクトのエイリアスに悩まされる。
複数の組織関連パラメータを同時に推定する圧縮センシング(CS)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): 38.88009278259666
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Magnetic Resonance Fingerprinting (MRF) is a novel technique that
simultaneously estimates multiple tissue-related parameters, such as the
longitudinal relaxation time T1, the transverse relaxation time T2, off
resonance frequency B0 and proton density, from a scanned object in just tens
of seconds. However, the MRF method suffers from aliasing artifacts because it
significantly undersamples the k-space data. In this work, we propose a
compressed sensing (CS) framework for simultaneously estimating multiple
tissue-related parameters based on the MRF method. It is more robust to low
sampling ratio and is therefore more efficient in estimating MR parameters for
all voxels of an object. Furthermore, the MRF method requires identifying the
nearest atoms of the query fingerprints from the MR-signal-evolution dictionary
with the L2 distance. However, we observed that the L2 distance is not always a
proper metric to measure the similarities between MR Fingerprints. Adaptively
learning a distance metric from the undersampled training data can
significantly improve the matching accuracy of the query fingerprints.
Numerical results on extensive simulated cases show that our method
substantially outperforms stateof-the-art methods in terms of accuracy of
parameter estimation.
- Abstract(参考訳): MRF(Magnetic Resonance Fingerprinting)は、縦緩和時間T1、横緩和時間T2、共鳴周波数B0、陽子密度などの複数の組織関連パラメータを、走査された物体からほんの数秒で同時に推定する新しい技術である。
しかし, MRF法は, k空間データを著しくアンサンプするため, アーティファクトのエイリアスに悩まされる。
本研究では,MDF法に基づく複数の組織関連パラメータを同時に推定する圧縮センシング(CS)フレームワークを提案する。
低サンプリング比に対してより堅牢であるため、オブジェクトのすべてのボクセルに対してMRパラメータを推定する上でより効率的である。
さらに,MRF法では,MR信号進化辞書から検索指紋の最も近い原子をL2距離で同定する必要がある。
しかし, MRフィンガープリントの類似度を測定するためにL2距離が必ずしも適切な距離であるとは限らない。
アンサンプリングされたトレーニングデータから距離メトリックを適応的に学習することで、クエリ指紋のマッチング精度が大幅に向上する。
その結果,本手法はパラメータ推定の精度において最先端手法を実質的に上回っていることがわかった。
関連論文リスト
- Unsupervised Distance Metric Learning for Anomaly Detection Over
Multivariate Time Series [0.0]
時系列上の異常検出のための教師なし距離メトリック学習法であるFCM-wDTWを提案する。
FCM-wDTWは生データを潜在空間にエンコードし、クラスタセンターを通して通常の次元関係を明らかにする。
11種類のベンチマークによる実験は、我々の手法の競合精度と効率を実証している。
論文 参考訳(メタデータ) (2024-03-04T09:55:16Z) - On Optimal Sampling for Learning SDF Using MLPs Equipped with Positional
Encoding [79.67071790034609]
我々は、好ましくない副作用を伴わずに、正確な暗黙の場を学習するための適切なサンプリング率を決定するツールを考案した。
PEを具備したPEは、PE層の最高周波数成分よりも内在周波数がはるかに高いことが観察された。
SDFフィッティングの設定において,この推奨サンプリングレートは正確なフィッティング結果の確保に十分であることを示す。
論文 参考訳(メタデータ) (2024-01-02T10:51:52Z) - Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳(メタデータ) (2023-11-30T13:50:21Z) - Accurate parameter estimation using scan-specific unsupervised deep
learning for relaxometry and MR fingerprinting [1.233122988113145]
緩和パラメータ推定のための教師なし畳み込みニューラルネットワーク(CNN)を提案する。
このネットワークは、隣接するボクセル間の残留学習と空間関係を利用して、信号緩和とブロッホシミュレーションを取り入れている。
論文 参考訳(メタデータ) (2021-12-07T16:45:21Z) - Mixed Precision Low-bit Quantization of Neural Network Language Models
for Speech Recognition [67.95996816744251]
長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。
現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。
本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
論文 参考訳(メタデータ) (2021-11-29T12:24:02Z) - Real-Time Mapping of Tissue Properties for Magnetic Resonance
Fingerprinting [20.834829860562248]
スパイラルk空間MRFデータから直接組織特性をシームレスにマッピングする新しいエンドツーエンドディープラーニングフレームワークを提案する。
本手法は,非カルト的k-空間データを直接消費し,適応密度補正を行い,複数の組織特性マップを前方通過で予測する。
論文 参考訳(メタデータ) (2021-07-16T21:05:47Z) - Sigma-Delta and Distributed Noise-Shaping Quantization Methods for
Random Fourier Features [73.25551965751603]
我々は、量子化 RFF が基礎となるカーネルの高精度な近似を可能にすることを証明した。
量子化 RFF はさらに圧縮され,メモリ使用量と精度のトレードオフに優れることを示す。
本手法は,この文脈におけるアート量子化手法の他の状態と比較し,いくつかの機械学習タスクにおいて,提案手法の性能を実証的に示す。
論文 参考訳(メタデータ) (2021-06-04T17:24:47Z) - Channel Attention Networks for Robust MR Fingerprinting Matching [4.640430936005229]
MRF(MR Resonance Fingerprinting)は、T1やT2の緩和時間などの複数の組織パラメータの同時マッピングを可能にする。
MRFはより高速な走査を提供するが、対応するパラメトリックマップの誤生成や遅い生成などの欠点がある。
本稿では,チャネルワイドアテンションモジュールと完全畳み込みネットワークからなるニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-12-02T14:34:40Z) - A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions
Artefacts in MRI Scans [63.28835187934139]
本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。
提案法は患者の多動運動によって生成された人工物に応用できる。
論文 参考訳(メタデータ) (2020-06-24T15:25:11Z) - Joint Total Variation ESTATICS for Robust Multi-Parameter Mapping [0.0]
ESTATICSは、R2*と複数の外挿インターセプトを抽出するために、複数のエコー系列の連接対数整合を行う。
提案アルゴリズムは,リッチな単目的データセットにおいて,左からのエコーを予測して評価する。
論文 参考訳(メタデータ) (2020-05-28T19:08:42Z)
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。