Fugu-MT 論文翻訳(概要): Reconstruction-driven motion estimation for motion-compensated MR CINE imaging

論文の概要: Reconstruction-driven motion estimation for motion-compensated MR CINE imaging

arxiv url: http://arxiv.org/abs/2302.02504v1
Date: Sun, 5 Feb 2023 22:51:27 GMT
ステータス: 処理完了
システム内更新日: 2023-02-07 17:59:49.882974
Title: Reconstruction-driven motion estimation for motion-compensated MR CINE imaging
Title（参考訳）: 運動補償MRCINEイメージングのための再構成駆動運動推定
Authors: Jiazhen Pan, Wenqi Huang, Daniel Rueckert, Thomas K\"ustner, Kerstin Hammernik
Abstract要約: 運動補償MR再構成(MCMR)は,高度にアンサンプされた獲得に対処するための効果的なアプローチである。本研究では,MCMR問題を効率的に解くためのディープラーニングベースのフレームワークを提案する。 43の社内で取得した2D CINEデータセットに対する実験により、提案したMCMRフレームワークがアーティファクトフリーなモーション推定を実現することが示唆された。
参考スコア（独自算出の注目度）: 8.317520045034412
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In cardiac CINE, motion-compensated MR reconstruction (MCMR) is an effective approach to address highly undersampled acquisitions by incorporating motion information between frames. In this work, we propose a deep learning-based framework to address the MCMR problem efficiently. Contrary to state-of-the-art (SOTA) MCMR methods which break the original problem into two sub-optimization problems, i.e. motion estimation and reconstruction, we formulate this problem as a single entity with one single optimization. We discard the canonical motion-warping loss (similarity measurement between motion-warped images and target images) to estimate the motion, but drive the motion estimation process directly by the final reconstruction performance. The higher reconstruction quality is achieved without using any smoothness loss terms and without iterative processing between motion estimation and reconstruction. Therefore, we avoid non-trivial loss weighting factors tuning and time-consuming iterative processing. Experiments on 43 in-house acquired 2D CINE datasets indicate that the proposed MCMR framework can deliver artifact-free motion estimation and high-quality MR images even for imaging accelerations up to 20x. The proposed framework is compared to SOTA non-MCMR and MCMR methods and outperforms these methods qualitatively and quantitatively in all applied metrics across all experiments with different acceleration rates.
Abstract（参考訳）: CINEでは、運動補償MR再構成(MCMR)は、フレーム間の運動情報を組み込むことによって、高度にアンサンプされた取得に対処するための効果的なアプローチである。本研究では,mcmr問題を効率的に解決するための深層学習に基づくフレームワークを提案する。動作推定と再構成という2つのサブ最適化問題に分割するsota (state-of-the-art) mcmr法とは対照的に、この問題を単一最適化による単一実体として定式化する。標準のモーションウォーピング損失(モーションウォーピング画像とターゲット画像の類似度測定)を捨てて、動作を推定するが、最終的な再構築性能により、動作推定プロセスを直接駆動する。滑らかな損失項を使わず、かつ、動き推定と復元の反復処理を行わずに高い復元品質が得られる。したがって,損失重み付け要因の調整と時間消費の反復処理は避ける。社内で43件の2D CINEデータセットを用いた実験から,提案したMCMRフレームワークは,20倍までの画像加速度であっても,人工物のない動き推定と高品質なMR画像を提供できることが示された。提案手法はSOTA非MCMR法およびMCMR法と比較され, 加速度速度の異なる全ての実験において, これらの手法を質的, 定量的に比較した。

関連論文リスト

Moner: Motion Correction in Undersampled Radial MRI with Unsupervised Neural Representation [31.431342571006123]
放射状MRIにおける運動補正(MoCo)は、被験者の動作の予測不能のため難しい問題である。剛体動乱k空間データからアーチファクトフリーのMR画像と正確な動きを共同で解き、教師なしのMoCo法であるMonerを提案する。
論文参考訳（メタデータ） (2024-09-25T13:27:29Z)
Simultaneous Map and Object Reconstruction [66.66729715211642]
本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。我々は、最近の新しいビュー合成法から着想を得て、大域的な最適化として再構築問題を提起する。連続動作の慎重なモデリングにより, 回転するLiDARセンサの回転シャッター効果を補うことができる。
論文参考訳（メタデータ） (2024-06-19T23:53:31Z)
Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
論文参考訳（メタデータ） (2024-04-26T14:25:07Z)
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)
Fill the K-Space and Refine the Image: Prompting for Dynamic and Multi-Contrast MRI Reconstruction [31.404228406642194]
ダイナミックまたはマルチコントラスト磁気共鳴画像(MRI)再構成の鍵は、フレーム間またはコントラスト間情報を探索することにある。本稿では,これらの制約に対処する2段階MRI再構成パイプラインを提案する。提案手法は,従来の高速MRI再建法より有意に優れていた。
論文参考訳（メタデータ） (2023-09-25T02:51:00Z)
Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction [54.19448988321891]
本稿では,T1重み付き画像(T1WIs)を補助モダリティとして活用し,T2WIsの取得を高速化するエンド・ツー・エンドのディープラーニングフレームワークを提案する。最適輸送(OT)を用いてT1WIを整列させてT2WIを合成し、クロスモーダル合成を行う。再構成されたT2WIと合成されたT2WIがT2画像多様体に近づき、繰り返しが増加することを示す。
論文参考訳（メタデータ） (2023-05-04T12:20:51Z)
Learning-based and unrolled motion-compensated reconstruction for cardiac MR CINE imaging [8.095696087978977]
運動補償MR再構成(MCMR)は、かなりの可能性を持つ強力な概念である。心臓MRI画像における非剛性運動障害を効果的に扱うための,MCMRのための学習ベースの自己教師型フレームワークを提案する。
論文参考訳（メタデータ） (2022-09-08T09:34:12Z)
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
DiffuseReconは拡散モデルに基づく新しいMR再構成法である。観測された信号に基づいて生成過程を導出する。特定の加速因子に関する追加の訓練は必要としない。
論文参考訳（メタデータ） (2022-03-08T02:25:38Z)
Motion Correction and Volumetric Reconstruction for Fetal Functional Magnetic Resonance Imaging Data [3.690756997172894]
運動補正は胎児脳の機能的磁気共鳴イメージング(fMRI)において重要な前処理ステップである。胎児のfMRIに対する現在の動作補正手法は、特定の取得時点から1つの3Dボリュームを選択する。本稿では,外乱運動補正を用いて高解像度の基準体積を推定する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2022-02-11T19:11:16Z)
ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
論文参考訳（メタデータ） (2022-01-23T21:58:19Z)
Video Face Super-Resolution with Motion-Adaptive Feedback Cell [90.73821618795512]
深部畳み込みニューラルネットワーク(CNN)の発展により,ビデオ超解像法(VSR)は近年,顕著な成功を収めている。本稿では,動作補償を効率的に捕捉し,適応的にネットワークにフィードバックする,シンプルで効果的なブロックである動き適応型フィードバックセル(MAFC)を提案する。
論文参考訳（メタデータ） (2020-02-15T13:14:10Z)

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。