論文の概要: Annealed Score-Based Diffusion Model for MR Motion Artifact Reduction

• arxiv url: http://arxiv.org/abs/2301.03027v1
• Date: Sun, 8 Jan 2023 12:16:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 16:23:04.414352
• Title: Annealed Score-Based Diffusion Model for MR Motion Artifact Reduction
• Title（参考訳）: MRモーションアーチファクト低減のための焼鈍スコアベース拡散モデル
• Authors: Gyutaek Oh, Jeong Eun Lee, and Jong Chul Ye
• Abstract要約: モーションアーティファクトリダクションは、MRイメージングにおいて重要な研究トピックの1つである。 我々はMRIの動作アーチファクト低減のためのアニール式スコアベース拡散モデルを提案する。 実験により, 提案手法は, シミュレーションおよび生体内動作アーティファクトの両方を効果的に低減することを確認した。
• 参考スコア（独自算出の注目度）: 37.41561581618164
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Motion artifact reduction is one of the important research topics in MR imaging, as the motion artifact degrades image quality and makes diagnosis difficult. Recently, many deep learning approaches have been studied for motion artifact reduction. Unfortunately, most existing models are trained in a supervised manner, requiring paired motion-corrupted and motion-free images, or are based on a strict motion-corruption model, which limits their use for real-world situations. To address this issue, here we present an annealed score-based diffusion model for MRI motion artifact reduction. Specifically, we train a score-based model using only motion-free images, and then motion artifacts are removed by applying forward and reverse diffusion processes repeatedly to gradually impose a low-frequency data consistency. Experimental results verify that the proposed method successfully reduces both simulated and in vivo motion artifacts, outperforming the state-of-the-art deep learning methods.
• Abstract（参考訳）: 運動アーティファクトの低下は、画像品質を低下させ、診断を困難にするため、MR画像において重要な研究トピックの1つである。 近年,モーションアーティファクト低減のための深層学習手法が数多く研究されている。 残念なことに、既存のモデルのほとんどは教師付きでトレーニングされており、ペアのモーション破壊とモーションフリーの画像を必要とするか、あるいは現実の状況での使用を制限する厳格なモーション破壊モデルに基づいている。 この問題に対処するために,MRIの動作アーチファクト低減のためのアニール式スコアベース拡散モデルを提案する。 具体的には、無動画像のみを用いてスコアベースモデルを訓練し、前方および逆拡散処理を繰り返して運動アーチファクトを除去し、低周波データ一貫性を徐々に課す。 実験の結果,本手法はシミュレーションと生体内動作の両方のアーチファクトの削減に成功し,最先端のディープラーニング手法を上回った。

関連論文リスト

• Motion-Informed Deep Learning for Brain MR Image Reconstruction Framework [7.639405634241267]
  運動は臨床MRIの約30%に存在していると推定されている。 深層学習アルゴリズムは画像再構成タスクと運動補正タスクの両方に有効であることが示されている。 画像と正しい動きを同時に高速化する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-28T02:16:35Z)
• MAMOC: MRI Motion Correction via Masked Autoencoding [2.2553331475843343]
  本稿では, 運動負荷MRI脳スキャンにおけるRAC(Retrospective Artifact Correction)の問題点に対処する新しい手法であるMAMOC(Masked Motion Correction)を提案する。 MAMOCは、マスク付き自己エンコーディング、転送学習、テストタイム予測を使用して、動きのアーティファクトを効率的に除去し、高忠実でネイティブなスキャンを生成する。 この研究は、公開データセット上の実際のモーションデータを用いてMRIスキャンにおける動作補正を初めて評価し、MAMOCが既存の動作補正法よりも優れた性能を達成することを示す。
  論文  参考訳（メタデータ） (2024-05-23T14:01:22Z)
• SMURF: Continuous Dynamics for Motion-Deblurring Radiance Fields [14.681688453270523]
  本稿では,ニューラル常微分方程式(Neural-ODE)を用いて連続カメラの動きをモデル化する新しい手法である,逐次的動き理解放射場(SMURF)を提案する。 我々のモデルは、ベンチマークデータセットに対して厳密に評価され、定量的かつ定性的に最先端のパフォーマンスを実証する。
  論文  参考訳（メタデータ） (2024-03-12T11:32:57Z)
• Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
  本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。 提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。 提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
  論文  参考訳（メタデータ） (2024-03-12T05:06:07Z)
• 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)
• AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
  大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
  論文  参考訳（メタデータ） (2022-08-24T03:13:04Z)
• Autofocusing+: Noise-Resilient Motion Correction in Magnetic Resonance Imaging [1.7277957019593995]
  本稿では,従来の最適化手法であるAutofocusingを強化するために,ニューラルネットワークに基づく正規化項を提案する。 最適化に基づくルーチンは、非現実的な復元のためにブラインド・デモーションとディープ・ラーニング・ベースの事前罰を反復的に実行し、収束を加速する。
  論文  参考訳（メタデータ） (2022-03-10T12:49:29Z)
• Retrospective Motion Correction of MR Images using Prior-Assisted Deep Learning [56.606579521437695]
  モーションアーティファクトはMRI画像を劣化させ、正確な診断に使用できないようにすることができる。 本研究は,画像先行として存在する付加情報を含めることで,既存のディープラーニングモデルの性能を向上させることを提案する。
  論文  参考訳（メタデータ） (2020-11-28T14:03:59Z)
• Exposure Trajectory Recovery from Motion Blur [90.75092808213371]
  ダイナミックシーンにおける動きのぼやけは重要な研究テーマである。 本稿では、ぼやけた画像に含まれる動き情報を表す露光軌跡を定義する。 静止シャープ画像の画素方向の変位をモデル化するための新しい動きオフセット推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-06T05:23:33Z)

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。