論文の概要: MDAMF: Reconstruction of Cardiac Cine MRI under Free-breathing using
Motion-guided Deformable Alignment and Multi-resolution Fusion
- arxiv url: http://arxiv.org/abs/2303.04968v2
- Date: Wed, 31 May 2023 16:05:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-02 03:02:21.306340
- Title: MDAMF: Reconstruction of Cardiac Cine MRI under Free-breathing using
Motion-guided Deformable Alignment and Multi-resolution Fusion
- Title（参考訳）: MDAMF:Motion-guided deformable Alignment と Multi- resolution Fusion を用いた自由呼吸下心内MRI再構成
- Authors: Xiaoxiang Han, Yiman Liu, Yuanjie Lin, Keyan Chen, Weikun Zhang and
Qiaohong Liu
- Abstract要約: 本稿では,2次双方向伝搬を用いた動き誘導型変形可能なアライメント法を提案する。
提案手法は,ピーク信号対雑音比,構造類似度指数(SSIM),視覚効果の観点から,画像再構成品質の向上を実現する。
- 参考スコア（独自算出の注目度）: 0.7340017786387767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardiac cine magnetic resonance imaging not only requires higher imaging
speed but also needs to address motion artifacts. Especially in the case of
free-breathing, more motion artifacts are inevitably introduced. This poses
higher demands on the reconstruction performance of the model and its ability
to capture temporal information. Previous methods have not effectively utilized
the temporal dimension information to compensate for motion artifacts. In order
to fully leverage the spatiotemporal information and reduce the impact of
motion artifacts, this paper proposes a motion-guided deformable alignment
method with second-order bidirectional propagation. Furthermore, aligning
adjacent frames may lead to low accuracy or misalignment issues, which are
detrimental to subsequent fusion reconstruction. Previous methods have not
sufficiently integrated and corrected the aligned feature information. This
paper proposes a multi-resolution fusion method to further correct alignment
errors or artifacts. Compared to other advanced methods, the proposed approach
achieves better image reconstruction quality in terms of peak signal-to-noise
ratio (PSNR), structural similarity index (SSIM), and visual effects. The
source code will be made available on https://github.com/GtLinyer/MDAMF.
- Abstract（参考訳）: 心臓シネ磁気共鳴イメージングは、高い撮像速度を必要とするだけでなく、運動アーチファクトに対処する必要がある。
特に自由呼吸の場合、より多くのモーションアーティファクトが必然的に導入される。
これにより、モデルの再構築性能と時間的情報を取得する能力により高い要求が生じる。
従来の手法では, 時間次元情報を利用して運動アーチファクトを補償していない。
本稿では, 時空間情報を完全に活用し, 運動アーチファクトの影響を低減するために, 二方向二方向伝搬を伴う運動誘導変形可能なアライメント法を提案する。
さらに、隣接フレームの整列は、後続の核融合再建に有害な、低い精度や不整合の問題につながる可能性がある。
従来の手法では、整列した特徴情報を十分に統合して修正していない。
本稿では,アライメントエラーやアーティファクトを補正する多分解能融合法を提案する。
提案手法は,他の高度な手法と比較して,ピーク信号対雑音比(PSNR),構造類似度指数(SSIM),視覚効果の面で,画像再構成品質の向上を実現する。
ソースコードはhttps://github.com/GtLinyer/MDAMF.comで入手できる。
関連論文リスト
- 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) - Deep Cardiac MRI Reconstruction with ADMM [7.694990352622926]
心臓画像の分野では, 深層学習(DL)を用いたシネ・マルチコントラスト再建法を提案する。
提案手法は画像領域とk空間領域の両方を最適化し,高い再構成精度を実現する。
論文 参考訳（メタデータ） (2023-10-10T13:46:11Z) - Cine cardiac MRI reconstruction using a convolutional recurrent network
with refinement [9.173298795526152]
心臓MRI再建における時間的相関を利用した畳み込みリカレントニューラルネットワーク(CRNN)アーキテクチャについて検討した。
これは、単一画像の超解像度リファインメントモジュールと組み合わせて、単一コイルの再構築を4.4%、正規化平均二乗誤差3.9%改善する。
提案モデルでは, ベースライン症例と比較して有意に拡張され, 心臓MRI再建のさらなる改善に有望な可能性を秘めている。
論文 参考訳（メタデータ） (2023-09-23T14:07:04Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - DD-CISENet: Dual-Domain Cross-Iteration Squeeze and Excitation Network
for Accelerated MRI Reconstruction [1.0312968200748118]
高速MRI再建のための新しいDualDomain Cross-It Squeeze Excitation Network(DDCISENet)を提案する。
kspaceとMRI画像の情報は、CIR(Cross-Iteration Residual Connect)構造を用いて反復的に融合し、維持することができる。
論文 参考訳（メタデータ） (2023-04-28T20:44:48Z) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳（メタデータ） (2022-09-15T03:58:30Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - Generative Adversarial Networks (GAN) Powered Fast Magnetic Resonance
Imaging -- Mini Review, Comparison and Perspectives [5.3148259096171175]
MRIの欠点の1つは、他の画像モダリティに比べて比較的遅いスキャンと再構成である。
ディープニューラルネットワーク(DNN)は、比較的高品質な画像を再現するスパースMRI再構成モデルに使われてきた。
画像の知覚品質を向上した高速MRIを実現するために,GAN(Generative Adversarial Networks)に基づく手法を提案する。
論文 参考訳（メタデータ） (2021-05-04T23:59:00Z) - Towards Ultrafast MRI via Extreme k-Space Undersampling and
Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。
低解像を補うための強力な深層学習に基づく画像強化手法を検討する。
復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文 参考訳（メタデータ） (2021-03-04T10:45:01Z) - Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural
Network [18.433956246011466]
本研究では,運動ブラスト心画像から空間的特徴と時間的特徴を同時に抽出するリカレントニューラルネットワークを提案する。
実験の結果,2つの臨床検査データセットの画質が有意に向上した。
論文 参考訳（メタデータ） (2020-06-23T01:55:57Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。