論文の概要: On Retrospective k-space Subsampling schemes For Deep MRI Reconstruction
- arxiv url: http://arxiv.org/abs/2301.08365v2
- Date: Mon, 23 Jan 2023 22:51:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-25 15:13:43.877684
- Title: On Retrospective k-space Subsampling schemes For Deep MRI Reconstruction
- Title（参考訳）: 深部MRI再構成のための振り返り k-space Subsampling スキームについて
- Authors: George Yiasemis, Clara I. S\'anchez, Jan-Jakob Sonke, Jonas Teuwen
- Abstract要約: 本研究は、訓練されたDLモデルにより生成された再構成された加速MRI計測の品質に及ぼす$k$-spaceサブサンプリングスキームの効果について検討する。
In the scheme-specific setting RecurrentVarNets evaluation on non-rectilinearly subsampled data showed superior performance for high accelerates。
マルチスキーム設定では, スキーム固有の実験と比較して, 直線的にサブサンプリングされたデータに対する再構成性能が向上した。
- 参考スコア（独自算出の注目度）: 2.4934936799100034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: $\textbf{Purpose:}$ The MRI $k$-space acquisition is time consuming.
Traditional techniques aim to acquire accelerated data, which in conjunction
with recent DL methods, aid in producing high-fidelity images in truncated
times. Conventionally, subsampling the $k$-space is performed by utilizing
Cartesian-rectilinear trajectories, which even with the use of DL, provide
imprecise reconstructions, though, a plethora of non-rectilinear or
non-Cartesian trajectories can be implemented in modern MRI scanners. This work
investigates the effect of the $k$-space subsampling scheme on the quality of
reconstructed accelerated MRI measurements produced by trained DL models.
$\textbf{Methods:}$ The RecurrentVarNet was used as the DL-based
MRI-reconstruction architecture. Cartesian fully-sampled multi-coil $k$-space
measurements from three datasets with different accelerations were
retrospectively subsampled using eight distinct subsampling schemes (four
Cartesian-rectilinear, two Cartesian non-rectilinear, two non-Cartesian).
Experiments were conducted in two frameworks: Scheme-specific, where a distinct
model was trained and evaluated for each dataset-subsampling scheme pair, and
multi-scheme, where for each dataset a single model was trained on data
randomly subsampled by any of the eight schemes and evaluated on data
subsampled by all schemes.
$\textbf{Results:}$ In the scheme-specific setting RecurrentVarNets trained
and evaluated on non-rectilinearly subsampled data demonstrated superior
performance especially for high accelerations, whilst in the multi-scheme
setting, reconstruction performance on rectilinearly subsampled data improved
when compared to the scheme-specific experiments.
$\textbf{Conclusion:}$ Training DL-based MRI reconstruction algorithms on
non-rectilinearly subsampled measurements can produce more faithful
reconstructions.
- Abstract（参考訳）: $\textbf{Purpose:}$ MRI $k$-spaceの取得には時間がかかる。
従来の手法は,近年のDL手法と組み合わせた高速化されたデータを取得することを目的としている。
従来、$k$-スペースのサブサンプリングは直立線軌跡を用いて行われ、DLを用いても不正確な再構成が可能であるが、現代のMRIスキャナーでは非直立線軌跡や非直立線軌跡の多重化が可能である。
本研究は、訓練されたDLモデルにより生成された再構成加速MRIの画質に及ぼす$k$-spaceサブサンプリングスキームの影響について検討する。
$\textbf{Methods:}$ The RecurrentVarNetは、DLベースのMRI再構成アーキテクチャとして使われた。
加速度の異なる3つのデータセットからカーデシアンフルサンプリングされた$k$-space測定を8つの異なるサブサンプリングスキーム(4つのカーデシアン-rectilinear、2つのカーデシアン非rectilinear、2つの非カルテジアン)を用いて遡及的にサブサンプリングした。
実験は2つのフレームワークで実施された: Scheme-specificでは、データセットサブサンプリングスキームペア毎に個別のモデルをトレーニングし、評価し、マルチスキーマでは、データセット毎に、ランダムに8つのスキームにサブサンプルされたデータに基づいてトレーニングし、すべてのスキームでサンプル化されたデータに基づいて評価する。
スキーム固有のrecurrentvarnetsのトレーニングと評価において$\textbf{results:}$は、特に高加速において優れた性能を示したが、マルチスキーム設定では、スキーム特有の実験と比較して、線形サブサンプリングデータの再構成性能が向上した。
$\textbf{Conclusion:}$$ DLベースのMRI再構成アルゴリズムを非直線的にサブサンプル化することで、より忠実な再構築が可能になる。
関連論文リスト
- PUERT: Probabilistic Under-sampling and Explicable Reconstruction
Network for CS-MRI [47.24613772568027]
圧縮センシングMRI(Compressed Sensing MRI)は,k空間データをサンプリングし,MRI画像の高速化を目的とする。
本稿では,サンプリングパターンと再構成ネットワークを協調的に最適化するために,PUERTと呼ばれる新しいエンドツーエンドの確率的アンダーサンプリングと明示的再構成neTworkを提案する。
2つの広く利用されているMRIデータセットの実験により、提案したPUERTは、定量的な測定値と視覚的品質の両方の観点から、最先端の結果が得られることを示した。
論文 参考訳（メタデータ） (2022-04-24T04:23:57Z) - Learning Mixtures of Linear Dynamical Systems [94.49754087817931]
そこで我々は,2段階のメタアルゴリズムを開発し,各基底構造LPSモデルを誤り$tildeO(sqrtd/T)$.sqrtd/T)まで効率的に復元する。
提案手法の有効性を検証し,数値実験による理論的研究を検証する。
論文 参考訳（メタデータ） (2022-01-26T22:26:01Z) - Reference-based Magnetic Resonance Image Reconstruction Using Texture
Transforme [86.6394254676369]
高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。
変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。
提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
論文 参考訳（メタデータ） (2021-11-18T03:06:25Z) - Self-Supervised Learning for MRI Reconstruction with a Parallel Network
Training Framework [24.46388892324129]
提案手法は柔軟であり,既存のディープラーニング手法にも適用可能である。
本手法の有効性を、オープン脳MRIデータセットを用いて評価する。
論文 参考訳（メタデータ） (2021-09-26T06:09:56Z) - Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via
GDPA Linearization [59.87663954467815]
アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。
本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。
実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
論文 参考訳（メタデータ） (2021-09-10T07:01:15Z) - SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。
KRRのストリーミング版であるStreaMRAKを提案する。
本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
論文 参考訳（メタデータ） (2021-08-23T21:03:09Z) - Q-space Conditioned Translation Networks for Directional Synthesis of
Diffusion Weighted Images from Multi-modal Structural MRI [0.43012765978447565]
任意の$q$-spaceサンプリングによる高品質DWI合成のための生成逆変換フレームワークを提案する。
我々の翻訳ネットワークは、連続的な$q$-space情報に基づいて、内部表現を線形に変調する。
このアプローチにより、任意のサブサンプルDWIから高品質なミクロ構造図を下流で推定できる。
論文 参考訳（メタデータ） (2021-06-24T17:09:40Z) - Fast Nonconvex $T_2^*$ Mapping Using ADMM [14.22930572798757]
磁気共鳴(MR)$T*$マッピングは、様々な臨床応用において出血、石灰化、鉄沈着の研究に広く用いられているが、組織における所望のコントラストの直接的かつ正確なマッピングを提供する。
従来の3D解像度の$*$マッピング法で必要とされる長い取得時間は、患者に不快を生じさせ、再構成された画像に運動アーティファクトを導入し、より広い適用性を制限する。
本稿では,圧縮センシングを用いたアンダーサンプルデータから$T*$マッピングを行うことでこの問題に対処する。
論文 参考訳（メタデータ） (2020-08-04T20:08:43Z) - Extending LOUPE for K-space Under-sampling Pattern Optimization in
Multi-coil MRI [7.7917530616285235]
MRIにおけるk空間サンプリングパターンを最適化するための以前確立されたLOフレームワークを3倍に拡張した。
解析された最適サンプリングパターンは, 従来の再構成手法を用いた場合, 手作り可変密度サンプリングパターンよりも良好に動作した。
論文 参考訳（メタデータ） (2020-07-28T19:41:47Z) - Two-Dimensional Semi-Nonnegative Matrix Factorization for Clustering [50.43424130281065]
TS-NMFと呼ばれる2次元(2次元)データに対する新しい半負行列分解法を提案する。
前処理ステップで2次元データをベクトルに変換することで、データの空間情報に深刻なダメージを与える既存の手法の欠点を克服する。
論文 参考訳（メタデータ） (2020-05-19T05:54:14Z)
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。