論文の概要: HyperSLICE: HyperBand optimised Spiral for Low-latency Interactive Cardiac Examination

• arxiv url: http://arxiv.org/abs/2302.02688v1
• Date: Mon, 6 Feb 2023 10:41:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 16:55:41.901717
• Title: HyperSLICE: HyperBand optimised Spiral for Low-latency Interactive Cardiac Examination
• Title（参考訳）: HyperSLICE: HyperBandによる低レイテンシインタラクティブ心臓検査のためのスパイラル最適化
• Authors: Dr. Olivier Jaubert, Dr. Javier Montalt-Tordera, Dr. Daniel Knight, Pr. Simon Arridge, Dr. Jennifer Steeden and Pr. Vivek Muthurangu
• Abstract要約: インタラクティブな心臓磁気共鳴イメージングは、高速なスキャンとガイドによる介入に使用される。 対象は12例であった。 スパイラルサンプリングにより、全体的な画質が向上し、画像遷移のハンドリングが向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: BACKGROUND: Interactive cardiac magnetic resonance imaging is used for fast scan planning and MR guided interventions. However, the requirement for real-time acquisition and near real-time visualization constrains the achievable spatio-temporal resolution. PURPOSE: To improve interactive imaging resolution through optimization of undersampled spiral sampling and leveraging of deep learning for low-latency reconstruction (deep artifact suppression). POPULATION: Deep artefact suppression training data consisted of 692 breath-held CINEs. The developed interactive sequence was tested prospectively in 12 patients (10 for image evaluation, 2 during catheterization). ASSESSMENT: In simulated data, NRMSE, pSNR and SSIM of radial, uniform spiral and optimized spiral sampling were compared. In the prospective study, the optimized spiral interactive sequence was compared to conventional Cartesian real-time, and breath-hold cine imaging in terms quantitative and qualitative image metrics. RESULTS: The NRMSE, pSNR and SSIM were all statistically significantly higher in simulations of optimized spiral compared to radial and uniform spiral sampling, particularly after scan plan changes (SSIM: 0.71 vs 0.45 and 0.43). Prospectively, HyperSLICE proposed a higher spatial and temporal resolution than conventional Cartesian real-time imaging. The pipeline was demonstrated in patients during catheter pull back showing sufficiently fast reconstruction for interactive imaging. DATA CONCLUSION: HyperSLICE enables higher spatial and temporal interactive imaging. Optimizing the spiral sampling enabled better overall image quality and better handling of image transitions compared to radial and uniform spiral trajectories.
• Abstract（参考訳）: BACKGROUND: 高速走査計画とMRガイド下介入に心臓磁気共鳴画像が使用される。 しかし、リアルタイム取得とほぼリアルタイム可視化の要件は、達成可能な時空間分解能を制約する。 PURPOSE:アンダーサンプルスパイラルサンプリングの最適化と低遅延再構成(ディープアーティファクト抑制)のためのディープラーニングの活用により、インタラクティブな画像分解能を向上させる。 ポピュレーション:深部人工物抑制訓練データは692個の呼吸保持CINEからなる。 12例 (画像評価10例, カテーテル挿入2例) に対して, 対話型シーケンスを前向きに検討した。 AASESSMENT: シミュレーションデータでは, NRMSE, pSNR, SSIMの半径, 均一スパイラルおよび最適化スパイラルサンプリングを比較した。 先進的な研究では、最適化されたスパイラル・インタラクティブ・シーケンスを従来のカルテシアのリアルタイムおよび呼吸ホールド・シネイメージングと比較し、定量的および定性的な画像メトリクスで比較した。 結果: nrmse, psnr, ssimは, 放射状および一様スパイラルサンプリングに比べて, 特にスキャン計画の変更後 (ssim: 0.71 vs 0.45, 0.43) に有意に高い値を示した。 先進的に、HyperSLICEは従来のカルテシアンリアルタイム画像よりも空間分解能と時間分解能が高かった。 このパイプラインはカテーテル・プルバック中の患者で、インタラクティブ・イメージングのために十分な速さで再構築できることを示した。 Data ConCLUSION: HyperSLICEは空間的および時間的インタラクティブなイメージングを可能にする。 スパイラルサンプリングを最適化することで、ラジアルおよび均一なスパイラル軌跡と比較して、全体的な画像品質と画像遷移の処理性が向上した。

関連論文リスト

• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。 我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。 我々の推論速度は拡散法よりも1,400倍速い。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Application of Gated Recurrent Units for CT Trajectory Optimization [3.4916237834391874]
  本稿では, Gated Recurrent Units (GRUs) を用いたCTスキャントラジェクトリの最適化手法を提案する。 我々はコーンビームCTに焦点をあて、吸収、画素強度、コントラスト・ツー・ノイズ比、データの完全性など、プロジェクションに基づくいくつかの指標を用いている。 その結果,GRU最適化スキャントラジェクトリは,画像品質の指標から従来の円形CTトラジェクトリよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-05-15T13:33:23Z)
• Learning the Domain Specific Inverse NUFFT for Accelerated Spiral MRI using Diffusion Models [0.0]
  我々は多コイル高アンサンプドスパイラルMRIのための生成拡散モデルに基づく再構成アルゴリズムを作成する。 超高速スキャン時間(2D画像では0.02秒)で再構成した画像に高品質(構造的類似度 > 0.87)を示す。
  論文  参考訳（メタデータ） (2024-04-18T17:40:23Z)
• Spatial gradient consistency for unsupervised learning of hyperspectral demosaicking: Application to surgical imaging [4.795951381086172]
  ハイパースペクトルイメージングは、組織の特徴化をリアルタイムで、高解像度で改善する可能性がある。 スナップショット画像の空間的・スペクトル的情報を完全に復元するには,復号化アルゴリズムが必要である。 トレーニング目的のスナップショット画像のみを必要とする、完全に教師なしのハイパースペクトル画像復号アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-21T18:07:14Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Deep MRI Reconstruction with Radial Subsampling [2.7998963147546148]
  k空間データにサブサンプリングマスクを適用することは、実際の臨床環境でk空間データの迅速な取得をシミュレートする方法である。 訓練された深層ニューラルネットワークが出力する再構成の質に対して,リチリニア・ラジアル・リフレクション・サブサンプリングを適用させる効果を比較検討し,検討した。
  論文  参考訳（メタデータ） (2021-08-17T17:45:51Z)
• STRESS: Super-Resolution for Dynamic Fetal MRI using Self-Supervised Learning [2.5581619987137048]
  我々は,インターリーブスライス獲得を伴う動的胎児MRIのための自己教師付き超解像フレームワークSTRESSを提案する。 提案手法は,低解像度画像と高解像度画像のペアを生成するために,元の取得データに基づいて,高解像度軸に沿ったインターリーブスライス取得をシミュレートする。 シミュレーションおよび子宮内データによる評価の結果,提案手法は他の自己教師付き超解像法よりも優れていた。
  論文  参考訳（メタデータ） (2021-06-23T13:52:11Z)
• 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)
• ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
  SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。 ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
  論文  参考訳（メタデータ） (2021-02-25T14:52:23Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。