論文の概要: Dynamic MLP for MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2301.08868v1
• Date: Sat, 21 Jan 2023 02:58:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-24 15:57:56.882735
• Title: Dynamic MLP for MRI Reconstruction
• Title（参考訳）: MRI再建のための動的MLP
• Authors: Chi Zhang, Eric Z. Chen, Xiao Chen, Yikang Liu, Terrence Chen, Shanhui Sun
• Abstract要約: 画像品質のさらなる改善は、しばしば膨大な計算コストを伴い、クリニック環境での実践性を妨げる。 我々は任意の画像サイズを受け入れる動的(dMLP)を特徴とするハイブリッドCNNと再構成戦略を提案する。 提案したdMLPは、純粋なCNNに比べて画像のシャープネスが向上し、GPUメモリと受信時間が短くなることが示唆された。 拡大したフィールドは画像品質が著しく向上したのに対して、CNNを大きなカーネルで使用するとトレーニングの困難が生じるのを観察した。
• 参考スコア（独自算出の注目度）: 12.796051051794024
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As convolutional neural networks (CNN) become the most successful reconstruction technique for accelerated Magnetic Resonance Imaging (MRI), CNN reaches its limit on image quality especially in sharpness. Further improvement on image quality often comes at massive computational costs, hindering their practicability in the clinic setting. MRI reconstruction is essentially a deconvolution problem, which demands long-distance information that is difficult to be captured by CNNs with small convolution kernels. The multi-layer perceptron (MLP) is able to model such long-distance information, but it restricts a fixed input size while the reconstruction of images in flexible resolutions is required in the clinic setting. In this paper, we proposed a hybrid CNN and MLP reconstruction strategy, featured by dynamic MLP (dMLP) that accepts arbitrary image sizes. Experiments were conducted using 3D multi-coil MRI. Our results suggested the proposed dMLP can improve image sharpness compared to its pure CNN counterpart, while costing minor additional GPU memory and computation time. We further compared the proposed dMLP with CNNs using large kernels and studied pure MLP-based reconstruction using a stack of 1D dMLPs, as well as its CNN counterpart using only 1D convolutions. We observed the enlarged receptive field has noticeably improved image quality, while simply using CNN with a large kernel leads to difficulties in training. Noticeably, the pure MLP-based method has been outperformed by CNN-involved methods, which matches the observations in other computer vision tasks for natural images.
• Abstract（参考訳）: 畳み込みニューラルネットワーク(CNN)が磁気共鳴イメージング(MRI)の最も成功した再構成技術となったため、CNNは特に鋭さにおいて画像品質の限界に達する。 画像品質のさらなる改善は、しばしば膨大な計算コストを伴い、クリニック環境での実践性を妨げる。 MRI再構成は本質的にはデコンボリューション問題であり、小さなコンボリューションカーネルを持つCNNが取得し難い長距離情報を必要とする。 多層パーセプトロン(mlp)は、このような長距離情報をモデル化することができるが、クリニックの設定では柔軟な解像度で画像の再構成が必要な間、一定の入力サイズを制限することができる。 本稿では,任意の画像サイズを受け入れる動的MLP(dMLP)を特徴とするハイブリッドCNNとMPP再構成戦略を提案する。 3次元マルチコイルMRIを用いて実験を行った。 その結果,提案するdmlpはcnnに比べて画像のシャープ性が向上し,gpuメモリや計算時間も小さくなることが示唆された。 さらに、提案したdMLPとCNNを比較し、1DのdMLPのスタックと1Dの畳み込みを用いたCNNを用いた純粋なMLPベースの再構成を検討した。 我々は、拡大した受容野が画像品質を著しく向上しているのを観察したが、大きなカーネルでcnnを使用するとトレーニングが困難になる。 注目に値することに、純粋なMLPベースの手法は、自然画像に対する他のコンピュータビジョンタスクの観察と一致するCNNの手法により、性能が向上している。

関連論文リスト

• fMRI-3D: A Comprehensive Dataset for Enhancing fMRI-based 3D Reconstruction [50.534007259536715]
  我々は15人の参加者のデータを含むfMRI-3Dデータセットを提示し、合計4768個の3Dオブジェクトを展示する。 我々は,fMRI信号から3次元視覚情報を復号化するための新しいフレームワークMinD-3Dを提案する。
  論文  参考訳（メタデータ） (2024-09-17T16:13:59Z)
• MinD-3D: Reconstruct High-quality 3D objects in Human Brain [50.534007259536715]
  Recon3DMindは、fMRI(Functional Magnetic Resonance Imaging)信号から3次元視覚を再構成するための革新的なタスクである。 このデータセットは14人の参加者のデータを含み、3Dオブジェクトの360度ビデオが特徴である。 我々は,脳の3次元視覚情報をfMRI信号から復号化するための,新規で効果的な3段階フレームワークMinD-3Dを提案する。
  論文  参考訳（メタデータ） (2023-12-12T18:21:36Z)
• Video4MRI: An Empirical Study on Brain Magnetic Resonance Image Analytics with CNN-based Video Classification Frameworks [60.42012344842292]
  3次元CNNモデルが磁気共鳴画像(MRI)解析の分野を支配している。 本稿では,アルツハイマー病とパーキンソン病の認識の4つのデータセットを実験に利用した。 効率の面では、ビデオフレームワークは3D-CNNモデルよりも5%から11%、トレーニング可能なパラメータは50%から66%少ない。
  論文  参考訳（メタデータ） (2023-02-24T15:26:31Z)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
  アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。 これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。 我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
  論文  参考訳（メタデータ） (2022-07-18T06:01:29Z)
• Highly Accurate FMRI ADHD Classification using time distributed multi modal 3D CNNs [0.0]
  本研究では,ADHD障害分類のためのfMRIデータ解析アルゴリズムを提案する。 3D-GANを利用することで、ディープフェイクデータを使用して脳障害の3D CNN分類の精度を高めることができる。
  論文  参考訳（メタデータ） (2022-05-24T11:39:11Z)
• Angular Super-Resolution in Diffusion MRI with a 3D Recurrent Convolutional Autoencoder [0.0]
  高分解能拡散MRI(dMRI)データは、臨床環境ではスキャン時間に制限されることが多い。 角領域のdMRIボリュームを超解き放つことができる3次元リカレント畳み込みニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2022-03-29T14:08:30Z)
• 3-Dimensional Deep Learning with Spatial Erasing for Unsupervised Anomaly Segmentation in Brain MRI [55.97060983868787]
  我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。 本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。 入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
  論文  参考訳（メタデータ） (2021-09-14T09:17:27Z)
• Memory-efficient Learning for High-Dimensional MRI Reconstruction [20.81538631727325]
  メモリ効率の高い学習フレームワーク (MEL) を用いたin-vivo 3D MRI および 2D+time 心シネMRI の画像再構成性能の改善を示す。 MELはGPUメモリをはるかに少なくし、トレーニング時間を大幅に短縮し、高次元MRIへのDLの新しいアプリケーションを可能にします。
  論文  参考訳（メタデータ） (2021-03-06T01:36:25Z)
• MRI Super-Resolution with GAN and 3D Multi-Level DenseNet: Smaller, Faster, and Better [16.65044022241517]
  高分解能(HR)磁気共鳴画像(MRI)は、臨床応用において診断に重要な詳細な解剖情報を提供する。 HR MRIは通常、長時間のスキャン、空間被覆の小さい、信号対雑音比(SNR)のコストがかかる。 近年の研究では、ディープ畳み込みニューラルネットワーク(CNN)を用いて、単一画像超解像(SISR)アプローチにより、低解像度(LR)入力からHRジェネリックイメージを復元できることが示されている。
  論文  参考訳（メタデータ） (2020-03-02T22:07:56Z)

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。