論文の概要: Implicit neural representations for unsupervised super-resolution and denoising of 4D flow MRI

• arxiv url: http://arxiv.org/abs/2302.12835v1
• Date: Fri, 24 Feb 2023 08:42:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-28 20:21:07.022667
• Title: Implicit neural representations for unsupervised super-resolution and denoising of 4D flow MRI
• Title（参考訳）: 4次元フローMRIの教師なし超解像・復調のための暗黙的神経表現
• Authors: Simone Saitta, Marcello Carioni, Subhadip Mukherjee, Carola-Bibiane Sch\"onlieb, Alberto Redaelli
• Abstract要約: 大動脈内3方向速度の時間変化に対するSIRENの4次元フローMRIによる検討を行った。 本手法をボクセル座標で訓練し, 合成計測と実際の4次元フローMRIによるアプローチをベンチマークした。 我々の最適化されたSIRENアーキテクチャは最先端技術より優れており、臨床データから解離・超解離速度場を生成する。
• 参考スコア（独自算出の注目度）: 1.207455285737927
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 4D flow MRI is a non-invasive imaging method that can measure blood flow velocities over time. However, the velocity fields detected by this technique have limitations due to low resolution and measurement noise. Coordinate-based neural networks have been researched to improve accuracy, with SIRENs being suitable for super-resolution tasks. Our study investigates SIRENs for time-varying 3-directional velocity fields measured in the aorta by 4D flow MRI, achieving denoising and super-resolution. We trained our method on voxel coordinates and benchmarked our approach using synthetic measurements and a real 4D flow MRI scan. Our optimized SIREN architecture outperformed state-of-the-art techniques, producing denoised and super-resolved velocity fields from clinical data. Our approach is quick to execute and straightforward to implement for novel cases, achieving 4D super-resolution.
• Abstract（参考訳）: 4d flow mriは、経時的に血流速度を測定する非侵襲的イメージング手法である。 しかし, この手法で検出された速度場は, 低分解能と測定ノイズのため限界がある。 コーディネートベースのニューラルネットワークは精度を向上させるために研究されており、SIRENは超解像度タスクに適している。 本研究は, 大動脈内3方向速度場を4次元フローMRIで計測し, 偏極性および超解像性を実現したSIRENについて検討した。 本手法をボクセル座標で訓練し, 合成計測と実際の4次元フローMRIによるアプローチをベンチマークした。 我々の最適化されたSIRENアーキテクチャは最先端技術より優れており、臨床データから解離・超解離速度場を生成する。 提案手法は, 新規ケースに対して容易に実装でき, 4次元超解像を実現する。

関連論文リスト

• Deep learning for temporal super-resolution 4D Flow MRI [34.90138772411514]
  本研究の目的は,時間的超解像4D Flow MRIのための残像ネットワークの実装と評価である。 患者固有のシリコモデル由来の合成4次元フローMRIデータと、in-vivoデータセットを用いてトレーニングおよび試験を行った。 以上の結果から, 時空間超解像4次元フローMRIにおけるデータ駆動型ニューラルネットワークの有用性が示唆された。
  論文  参考訳（メタデータ） (2025-01-15T13:01:47Z)
• 4DRGS: 4D Radiative Gaussian Splatting for Efficient 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images [49.170407434313475]
  既存の手法は、しばしば最適以下の結果を生成するか、過剰な計算時間を必要とする。 高品質な高精細化を実現するため、4次元ガウススプラッティング(4DRGS)を提案する。 4DRGSは5分間のトレーニングで印象的な結果を得る。
  論文  参考訳（メタデータ） (2024-12-17T13:51:56Z)
• 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)
• Coarse-Super-Resolution-Fine Network (CoSF-Net): A Unified End-to-End Neural Network for 4D-MRI with Simultaneous Motion Estimation and Super-Resolution [21.75329634476446]
  我々は,高分解能ネットワーク(CoSF-Net)と呼ばれる新しいディープラーニングフレームワークを開発した。 既存のネットワークと最先端の3つのアルゴリズムと比較して、CoSF-Netは4D-MRIの呼吸相間の変形可能なベクトル場を正確に推定するだけでなく、解剖学的特徴を増強した4D-MRIの空間分解能も同時に改善した。
  論文  参考訳（メタデータ） (2022-11-21T01:42:51Z)
• Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
  本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。 MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。 最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
  論文  参考訳（メタデータ） (2022-04-01T22:48:08Z)
• Predicting 4D Liver MRI for MR-guided Interventions [2.9699476315275772]
  臓器の動きは、画像誘導の介入において未解決の課題となる。 視野が大きいリアルタイム高分解能4次元MRIのための新しい手法を提案する。 取得時間を2分に短縮した小さなトレーニングサイズでは,すでに有望な結果が得られていることを示す。
  論文  参考訳（メタデータ） (2022-02-25T11:34:25Z)
• Non-invasive hemodynamic analysis for aortic regurgitation using computational fluid dynamics and deep learning [2.150638298922378]
  心臓血管血行動態の変化は大動脈逆流(AR)の発生と密接に関連している 4次元(4次元)流磁気共鳴画像(MRI)を用いて非侵襲的に測定できる。 しかし、解像度の低さは、しばしば4次元フローMRIと複雑なAR血行動態の限界によって生じる。 これを解決するために、計算流体力学シミュレーションを合成された4次元フローMRIデータに変換し、様々なニューラルネットワークのトレーニングに使用した。
  論文  参考訳（メタデータ） (2021-11-23T05:19:42Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• 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)
• 4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes [69.62333053044712]
  3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。 我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
  論文  参考訳（メタデータ） (2020-07-02T12:02:20Z)
• 4DFlowNet: Super-Resolution 4D Flow MRI using Deep Learning and Computational Fluid Dynamics [0.0795451369160375]
  画像解像度の上昇は、特に異常な血流を持つ患者において、より正確で、血流のより良い評価を可能にする。 計算流体力学シミュレーションを用いて, 合成4次元フローMRIデータを生成する。 我々の新しい4DFlowNetネットワークは, この合成4Dフローデータをトレーニングし, 2。
  論文  参考訳（メタデータ） (2020-04-15T12:16:52Z)

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。