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

• Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
  本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。 提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
  論文  参考訳（メタデータ） (2024-11-15T07:42:02Z)
• qMRI Diffuser: Quantitative T1 Mapping of the Brain using a Denoising Diffusion Probabilistic Model [1.1278063431495107]
  定量的MRI(qMRI)は、組織特性に関連する客観的パラメータを提供することにより、重み付け画像よりも大きな利点を提供する。 深層学習に基づく手法は、一連の重み付き画像から定量的マップを推定する効果を実証している。 深部生成モデルを用いたqMRIの新しい手法であるqMRIディフューザを提案する。
  論文  参考訳（メタデータ） (2024-07-23T13:49:19Z)
• MARVEL: MR Fingerprinting with Additional micRoVascular Estimates using bidirectional LSTMs [0.8901227918730564]
  本稿では,現実的な微小血管ネットワークを含む数値ボクセルからのMR信号をシミュレーションする効率的な方法を提案する。 3人のボランティアに対して行った結果から,我々のアプローチはより高速に微小血管パラメータの定量的マップを作成できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-15T08:09:54Z)
• 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)
• 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。