論文の概要: HyperSLICE: HyperBand optimized Spiral for Low-latency Interactive
Cardiac Examination
- arxiv url: http://arxiv.org/abs/2302.02688v2
- Date: Fri, 16 Jun 2023 15:55:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-19 17:56:22.276818
- Title: HyperSLICE: HyperBand optimized Spiral for Low-latency Interactive
Cardiac Examination
- Title（参考訳）: HyperSLICE:低レイテンシインタラクティブ心臓検査のためのHyperBand最適化スパイラル
- Authors: Dr. Olivier Jaubert, Dr. Javier Montalt-Tordera, Dr. Daniel Knight,
Pr. Simon Arridge, Dr. Jennifer Steeden and Pr. Vivek Muthurangu
- Abstract要約: 対話型心臓共鳴イメージングは、高速なスキャン計画とガイド付き介入に使用される。
リアルタイムおよび近距離リアルタイム可視化の要件は、達成可能なMR分解能を制約する。
本研究の目的は、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解像度を改善することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: PURPOSE: 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. This study aims to improve interactive imaging
resolution through optimization of undersampled spiral sampling and leveraging
of deep learning for low-latency reconstruction (deep artifact suppression).
METHODS: A variable density spiral trajectory was parametrized and optimized
via HyperBand to provide the best candidate trajectory for rapid deep artifact
suppression. Training data consisted of 692 breath-held CINEs. The developed
interactive sequence was tested in simulations and prospectively in 13 subjects
(10 for image evaluation, 2 during catheterization, 1 during exercise). In the
prospective study, the optimized framework -HyperSLICE- was compared to
conventional Cartesian real-time, and breath-hold CINE imaging in terms
quantitative and qualitative image metrics. Statistical differences were tested
using Friedman chi-squared tests with post-hoc Nemenyi test (p<0.05). RESULTS:
In simulations the NRMSE, pSNR, SSIM and LAPE were all statistically
significantly higher using 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 enabled 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. CONCLUSION: HyperSLICE enables high
spatial and temporal resolution interactive imaging. Optimizing the spiral
sampling enabled better overall image quality and superior handling of image
transitions compared to radial and uniform spiral trajectories.
- Abstract（参考訳）: PURPOSE: 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。
本研究の目的は、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)のための深層学習の活用により、インタラクティブな画像解像度を改善することである。
Methods: 可変密度渦巻き軌道をHyperBandによりパラメータ化し, 最適化し, 高速深部人工物抑制のための最適候補軌道を提供する。
訓練データは692機の呼吸式CINEから成っていた。
画像評価は13例 (画像評価は10例, カテーテル中は2例, 運動中は1例) で検討した。
将来研究において, 最適化されたフレームワークであるhypersliceは, 定量的, 定性的な画像指標を用いて, 従来のカルテジアン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された。
統計的差異をfedman chi-squared test, post-hoc nemenyi test (p<0.05) を用いて検証した。
結果: シミュレーションでは, NRMSE, pSNR, SSIM, LAPEは, 放射状および均一なスパイラルサンプリングに比べて統計的に有意に高い値を示した(SSIM: 0.71 vs 0.45, 0.43)。
予想通り、HyperSLICEは従来のカルテシアンリアルタイムイメージングよりも空間分解能と時間分解能を高めた。
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。
結論: HyperSLICEは高空間・時間分解能インタラクティブ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。