論文の概要: UNAEN: Unsupervised Abnomality Extraction Network for MRI Motion Artifact Reduction

• arxiv url: http://arxiv.org/abs/2301.01732v1
• Date: Wed, 4 Jan 2023 18:02:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 16:17:44.802806
• Title: UNAEN: Unsupervised Abnomality Extraction Network for MRI Motion Artifact Reduction
• Title（参考訳）: UNAEN:MRI運動アーチファクト削減のための教師なし異常抽出ネットワーク
• Authors: Yusheng Zhou, Hao Li, Jianan Liu, Zhengmin Kong, Tao Huang, Euijoon Ah, and Zhihan Lv
• Abstract要約: 深層学習に基づく手法はMRIのアーティファクト削減タスクに対して広く研究されている。 前回の研究では、そのようなモデルのトレーニングには、ペア化された動きの破損と動きのないMR画像が必要である。 本研究では,この問題を緩和するために,新たにunsupervised abnomality extract network (UNAEN)を提案する。 本研究では, 人工物から無作為領域への遷移を, 人工物から無作為なMR画像への異常情報処理により実現した。
• 参考スコア（独自算出の注目度）: 24.901004934534907
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion artifact reduction is one of the most concerned problems in magnetic resonance imaging. As a promising solution, deep learning-based methods have been widely investigated for artifact reduction tasks in MRI. As a retrospective processing method, neural network does not cost additional acquisition time or require new acquisition equipment, and seems to work better than traditional artifact reduction methods. In the previous study, training such models require the paired motion-corrupted and motion-free MR images. However, it is extremely tough or even impossible to obtain these images in reality because patients have difficulty in maintaining the same state during two image acquisition, which makes the training in a supervised manner impractical. In this work, we proposed a new unsupervised abnomality extraction network (UNAEN) to alleviate this problem. Our network realizes the transition from artifact domain to motion-free domain by processing the abnormal information introduced by artifact in unpaired MR images. Different from directly generating artifact reduction results from motion-corrupted MR images, we adopted the strategy of abnomality extraction to indirectly correct the impact of artifact in MR images by learning the deep features. Experimental results show that our method is superior to state-of-the-art networks and can potentially be applied in real clinical settings.
• Abstract（参考訳）: モーションアーティファクトの低減は、磁気共鳴イメージングにおける最も関心のある問題の1つである。 将来性のある解決策として,MRIのアーティファクト削減タスクにおいて,ディープラーニングに基づく手法が広く研究されている。 振り返り処理方法としては、ニューラルネットワークは、追加の獲得時間や新しい取得機器を必要とすることなく、従来のアーティファクト削減方法よりもうまく機能するように見える。 前回の研究では、そのようなモデルのトレーニングには、ペア化された動き破壊と動きのないMR画像が必要である。 しかし、2つの画像取得時に患者が同じ状態を維持するのが困難で、指導された方法での訓練が非現実的になるため、現実にこれらの画像を得るのは非常に困難または不可能である。 本研究では,この問題を緩和するために,新たにunsupervised abnomality extract network (UNAEN)を提案する。 本ネットワークは,非ペアmr画像におけるアーチファクトによる異常情報を処理することにより,アーチファクトドメインからモーションフリードメインへの移行を実現する。 本研究では, MR画像からのアーチファクト除去結果を直接生成するのと異なり, 深い特徴を学習することで, MR画像におけるアーティファクトの影響を間接的に補正する, 異常抽出の戦略を採用した。 実験の結果,本手法は最先端のネットワークより優れており,臨床応用の可能性も示唆された。

関連論文リスト

• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with Feature Extraction [3.2088888904556123]
  合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。 提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
  論文  参考訳（メタデータ） (2023-10-31T16:39:56Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Realistic Restorer: artifact-free flow restorer(AF2R) for MRI motion artifact removal [3.8103327351507255]
  運動アーティファクトは画像品質を著しく劣化させ、検査効率を低下させ、正確な診断を困難にする。 それまでの手法は、アーティファクト修正のための暗黙のモデルに頼っていたため、アーティファクト形成機構をモデル化する際のバイアスが生じた。 画像領域のアーティファクトと解剖学的内容の関係を再構築するために、アーティファクト生成機構を組み込んだ。
  論文  参考訳（メタデータ） (2023-06-19T04:02:01Z)
• Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
  我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。 我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。 私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
  論文  参考訳（メタデータ） (2021-10-15T13:16:59Z)
• Simultaneous super-resolution and motion artifact removal in diffusion-weighted MRI using unsupervised deep learning [23.33029012277273]
  解像度を高め,同時にモーションアーティファクトを除去できる,完全教師なしの品質向上方式を提案する。 提案手法は, 教師なし学習を用いたmriの文脈において, 超解像と運動アーティファクトの補正を同時に行う最初の方法である。
  論文  参考訳（メタデータ） (2021-05-01T13:13:53Z)
• 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)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Combining multimodal information for Metal Artefact Reduction: An unsupervised deep learning framework [1.1374919153601266]
  金属アーチファクト低減(MAR)技術は、臨床画像から金属誘起ノイズを取り除くことを目的としている。 MRIでは、感受性アーチファクトを修正する方法がまだ導入されていない。 マルチモーダルMARのための教師なしディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2020-04-20T14:12:00Z)

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。