論文の概要: Spatiotemporal implicit neural representation for unsupervised dynamic
MRI reconstruction
- arxiv url: http://arxiv.org/abs/2301.00127v1
- Date: Sat, 31 Dec 2022 05:43:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 16:12:52.589520
- Title: Spatiotemporal implicit neural representation for unsupervised dynamic
MRI reconstruction
- Title（参考訳）: 非監督的動的MRI再構成のための時空間暗黙的神経表現
- Authors: Jie Feng, Ruimin Feng, Qing Wu, Zhiyong Zhang, Yuyao Zhang and
Hongjiang Wei
- Abstract要約: Inlicit Neuraltruth (INR) は逆問題を解決するための強力なDLベースのツールとして登場した。
本研究では,高度にアンサンプされたk空間データから動的MRI再構成を改善するためのINRに基づく手法を提案する。
提案したINRは、ダイナミックMRI画像を暗黙の関数として表現し、それらをニューラルネットワークにエンコードする。
- 参考スコア（独自算出の注目度）: 11.661657147506519
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Supervised Deep-Learning (DL)-based reconstruction algorithms have shown
state-of-the-art results for highly-undersampled dynamic Magnetic Resonance
Imaging (MRI) reconstruction. However, the requirement of excessive
high-quality ground-truth data hinders their applications due to the
generalization problem. Recently, Implicit Neural Representation (INR) has
appeared as a powerful DL-based tool for solving the inverse problem by
characterizing the attributes of a signal as a continuous function of
corresponding coordinates in an unsupervised manner. In this work, we proposed
an INR-based method to improve dynamic MRI reconstruction from highly
undersampled k-space data, which only takes spatiotemporal coordinates as
inputs. Specifically, the proposed INR represents the dynamic MRI images as an
implicit function and encodes them into neural networks. The weights of the
network are learned from sparsely-acquired (k, t)-space data itself only,
without external training datasets or prior images. Benefiting from the strong
implicit continuity regularization of INR together with explicit regularization
for low-rankness and sparsity, our proposed method outperforms the compared
scan-specific methods at various acceleration factors. E.g., experiments on
retrospective cardiac cine datasets show an improvement of 5.5 ~ 7.1 dB in PSNR
for extremely high accelerations (up to 41.6-fold). The high-quality and inner
continuity of the images provided by INR has great potential to further improve
the spatiotemporal resolution of dynamic MRI, without the need of any training
data.
- Abstract（参考訳）: 監視型深層学習(DL)に基づく再構成アルゴリズムは,高アンサンプドダイナミック磁気共鳴画像(MRI)再構成の最先端結果を示している。
しかし, 過度に高品質な地絡データの要求は, 一般化問題により応用を妨げる。
近年,Inlicit Neural Representation (INR) は,信号の属性を教師なしで対応する座標の連続関数として特徴付けることで,逆問題を解決する強力なDLベースのツールとして出現している。
本研究では,高アンサンプされたk空間データから動的MRI再構成を改善するためのINRに基づく手法を提案する。
特に、提案したINRは、ダイナミックMRI画像を暗黙の関数として表現し、それらをニューラルネットワークにエンコードする。
ネットワークの重み付けは、外部のトレーニングデータセットや事前画像なしで、sparsely acquisitioned (k, t)-spaceデータ自身からのみ学習される。
提案手法は,INRの強い暗黙的連続性正則化と,低ランク性および疎性に対する明示的な正則化とを併用して,種々の加速度因子におけるスキャン固有法よりも優れた性能を示す。
例えば、リフレクション心血管データセットの実験では、非常に高い加速(最大41.6倍)のためにPSNRの5.5 ~ 7.1 dBの改善が示されている。
INRによって提供される画像の高品質かつ内部連続性は、トレーニングデータを必要としないダイナミックMRIの時空間分解能をさらに向上させる可能性がある。
関連論文リスト
- Unifying Subsampling Pattern Variations for Compressed Sensing MRI with Neural Operators [72.79532467687427]
圧縮センシングMRI(Compressed Sensing MRI)は、身体の内部解剖像をアンダーサンプルと圧縮された測定値から再構成する。
ディープニューラルネットワークは、高度にアンサンプされた測定結果から高品質なイメージを再構築する大きな可能性を示している。
CS-MRIにおけるサブサンプリングパターンや画像解像度に頑健な統一モデルを提案する。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - 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) - A Compact Implicit Neural Representation for Efficient Storage of
Massive 4D Functional Magnetic Resonance Imaging [14.493622422645053]
fMRI圧縮は、複雑な時間的ダイナミクス、低信号-雑音比、複雑な基礎的冗長性のために、ユニークな課題を生んでいる。
Inlicit Neural Representation (INR)に基づくfMRIデータに適した新しい圧縮パラダイムについて報告する。
論文 参考訳（メタデータ） (2023-11-30T05:54:37Z) - Robust Depth Linear Error Decomposition with Double Total Variation and
Nuclear Norm for Dynamic MRI Reconstruction [15.444386058967579]
Compressed Sensing (CS) に基づく動的MRI k-space 再構成にはまだ問題がある。
本稿では,高アンダーサンプリングフーリエ変換(DFT)を用いた高低レート動的MRI再構成モデルを提案する。
動的MRIデータに対する実験は、再構成精度と時間複雑性の両方の観点から、優れた性能を示す。
論文 参考訳（メタデータ） (2023-10-23T13:34:59Z) - Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders
(DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。
Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。
この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
論文 参考訳（メタデータ） (2023-07-12T00:01:00Z) - A scan-specific unsupervised method for parallel MRI reconstruction via
implicit neural representation [9.388253054229155]
暗黙的神経表現(INR)は、物体の内部連続性を学ぶための新しいディープラーニングパラダイムとして登場した。
提案手法は,アーティファクトやノイズのエイリアスを抑えることにより,既存の手法よりも優れる。
良質な結果と走査特異性により,提案手法は並列MRIのデータ取得をさらに加速させる可能性を秘めている。
論文 参考訳（メタデータ） (2022-10-19T10:16:03Z) - 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) - Scale-Equivariant Unrolled Neural Networks for Data-Efficient
Accelerated MRI Reconstruction [33.82162420709648]
本稿では,大規模同変畳み込みニューラルネットワークを用いたニューラルネットワークの近位演算子をモデル化する。
我々のアプローチは、同じメモリ制約下での最先端のアンロールニューラルネットワークに対する強力な改善を示す。
論文 参考訳（メタデータ） (2022-04-21T23:29:52Z) - 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) - Over-and-Under Complete Convolutional RNN for MRI Reconstruction [57.95363471940937]
MR画像再構成のための最近のディープラーニングに基づく手法は、通常、汎用的なオートエンコーダアーキテクチャを利用する。
OUCR(Over-and-Under Complete Convolu?tional Recurrent Neural Network)を提案する。
提案手法は, トレーニング可能なパラメータの少ない圧縮されたセンシングと, 一般的なディープラーニングに基づく手法に対して, 大幅な改善を実現する。
論文 参考訳（メタデータ） (2021-06-16T15:56:34Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z)
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。