Fugu-MT 論文翻訳(概要): SPIRiT-Diffusion: SPIRiT-driven Score-Based Generative Modeling for Vessel Wall imaging

論文の概要: SPIRiT-Diffusion: SPIRiT-driven Score-Based Generative Modeling for Vessel Wall imaging

arxiv url: http://arxiv.org/abs/2212.11274v1
Date: Wed, 14 Dec 2022 02:08:02 GMT
ステータス: 処理完了
システム内更新日: 2022-12-25 02:54:32.896310
Title: SPIRiT-Diffusion: SPIRiT-driven Score-Based Generative Modeling for Vessel Wall imaging
Title（参考訳）: SPIRiT拡散:SPIRiT駆動Score-based Generative Modeling for Vessel Wall Imaging
Authors: Chentao Cao, Zhuo-Xu Cui, Jing Cheng, Sen Jia, Hairong Zheng, Dong Liang, Yanjie Zhu
Abstract要約: 本研究では,SPIRiT反復再構成アルゴリズムに基づく新しい拡散モデルSPIRiT-Diffusionを提案する。具体的には、SPIRiT-Diffusionは、スコアマッチングによりコイルバイコイル画像の事前分布を特徴付ける。頭蓋内画像と頸動脈壁画像の併用による再建成績は良好である。
参考スコア（独自算出の注目度）: 17.56962674277573
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Diffusion model is the most advanced method in image generation and has been successfully applied to MRI reconstruction. However, the existing methods do not consider the characteristics of multi-coil acquisition of MRI data. Therefore, we give a new diffusion model, called SPIRiT-Diffusion, based on the SPIRiT iterative reconstruction algorithm. Specifically, SPIRiT-Diffusion characterizes the prior distribution of coil-by-coil images by score matching and characterizes the k-space redundant prior between coils based on self-consistency. With sufficient prior constraint utilized, we achieve superior reconstruction results on the joint Intracranial and Carotid Vessel Wall imaging dataset.
Abstract（参考訳）: 拡散モデルは画像生成において最も進んだ手法であり,MRI再建に成功している。しかし,既存の手法ではMRIデータのマルチコイル取得の特徴を考慮していない。そこで本研究では,SPIRiT反復再構成アルゴリズムに基づく新しい拡散モデルSPIRiT-Diffusionを提案する。具体的には、スピリットディフフュージョンはスコアマッチングによりコイルバイコイル画像の事前分布を特徴付け、自己一貫性に基づいてコイル間のk空間冗長なプリエントを特徴付ける。十分な事前制約を活用し, 頭蓋内および頸動脈内血管壁イメージングデータセットにおいて良好な再構成結果を得た。

関連論文リスト

LDPM: Towards undersampled MRI reconstruction with MR-VAE and Latent Diffusion Prior [2.3007720628527104]
The Latent Diffusion Prior based undersampled MRI reconstruction (LDPM) method was proposed。スケジューラモジュールを用いて、再構成したMR画像の品質と忠実度を適切に制御し、バランスをとる。 MRIタスク(MR-VAE)に適応したVAEを探索し、将来のMR関連タスクのバックボーンとして機能する。
論文参考訳（メタデータ） (2024-11-05T09:51:59Z)
Highly Accelerated MRI via Implicit Neural Representation Guided Posterior Sampling of Diffusion Models [2.5412006057370893]
Inlicit Neural representation (INR) は、逆問題を解決するための強力なパラダイムとして登場した。提案するフレームワークは、他の医療画像タスクにおける逆問題を解決するための一般化可能なフレームワークである。
論文参考訳（メタデータ） (2024-07-03T01:37:56Z)
Partitioned Hankel-based Diffusion Models for Few-shot Low-dose CT Reconstruction [10.158713017984345]
分割ハンケル拡散(PHD)モデルを用いた低用量CT再構成法を提案する。反復再構成段階では、反復微分方程式解法とデータ一貫性制約を併用して、取得した投影データを更新する。その結果,PHDモデルを画像品質を維持しつつ,アーチファクトやノイズを低減し,有効かつ実用的なモデルとして検証した。
論文参考訳（メタデータ） (2024-05-27T13:44:53Z)
DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
Steerable Conditional Diffusion for Out-of-Distribution Adaptation in Medical Image Reconstruction [75.91471250967703]
我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。このフレームワークは、利用可能な測定によって提供される情報のみに基づいて、画像再構成と並行して拡散モデルを適用する。様々な画像モダリティにまたがるアウト・オブ・ディストリビューション性能の大幅な向上を実現した。
論文参考訳（メタデータ） (2023-08-28T08:47:06Z)
Self-Supervised MRI Reconstruction with Unrolled Diffusion Models [27.143473617162304]
自己監督型拡散再構成モデル(SSDiffRecon)を提案する。 SSDiffReconは、物理駆動処理のためのデータ一貫性ブロックと逆拡散ステップのためのクロスアテンショントランスフォーマーをインターリーブする条件拡散プロセスを表現する。公開脳MRデータセットを用いた実験は、SSDiffReconの再構築速度と品質の点で、最先端の教師付きベースラインと自己教師付きベースラインに対する優位性を示す。
論文参考訳（メタデータ） (2023-06-29T03:31:46Z)
Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
論文参考訳（メタデータ） (2023-06-05T22:09:06Z)
SPIRiT-Diffusion: Self-Consistency Driven Diffusion Model for Accelerated MRI [14.545736786515837]
本稿では,k空間の拡散モデルであるSPIRiT-Diffusionを紹介する。 3次元頭蓋内および頸動脈壁画像データセットを用いたSPIRiT-Diffusion法の評価を行った。
論文参考訳（メタデータ） (2023-04-11T08:43:52Z)
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)
Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
論文参考訳（メタデータ） (2021-08-12T08:46:35Z)
Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。