論文の概要: Retrospective Motion Correction in Gradient Echo MRI by Explicit Motion
Estimation Using Deep CNNs
- arxiv url: http://arxiv.org/abs/2303.17239v1
- Date: Thu, 30 Mar 2023 09:16:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-31 13:58:49.292586
- Title: Retrospective Motion Correction in Gradient Echo MRI by Explicit Motion
Estimation Using Deep CNNs
- Title(参考訳): 深部CNNを用いた明示的運動推定による勾配エコーMRIの反射運動補正
- Authors: Mathias S. Feinler and Bernadette N. Hahn
- Abstract要約: 深部畳み込み神経回路網(深部CNN)を用いた動きアーチファクトの補正手法を提案する。
我々は、Deep CNNを用いて、より複雑な運動場に剛性運動補償の概念を一般化できることを示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Magnetic Resonance Imaging allows high resolution data acquisition with the
downside of motion sensitivity due to relatively long acquisition times. Even
during the acquisition of a single 2D slice, motion can severely corrupt the
image. Retrospective motion correction strategies do not interfere during
acquisition time but operate on the motion affected data. Known methods suited
to this scenario are compressed sensing (CS), generative adversarial networks
(GANs), and motion estimation. In this paper we propose a strategy to correct
for motion artifacts using Deep Convolutional Neuronal Networks (Deep CNNs) in
a reliable and verifiable manner by explicit motion estimation. The sensitivity
encoding (SENSE) redundancy that multiple receiver coils provide, has in the
past been used for acceleration, noise reduction and rigid motion compensation.
We show that using Deep CNNs the concepts of rigid motion compensation can be
generalized to more complex motion fields. Using a simulated synthetic data
set, our proposed supervised network is evaluated on motion corrupted MRIs of
abdomen and head. We compare our results with rigid motion compensation and
GANs.
- Abstract(参考訳): 磁気共鳴イメージングは、比較的長い取得時間による動き感度の低下による高分解能データ取得を可能にする。
単一の2Dスライスを取得しても、動きは画像をひどく損なう可能性がある。
反射運動補正戦略は、取得時に干渉せず、影響を受けるデータを操作する。
このシナリオに適した方法として、圧縮センシング(CS)、生成敵ネットワーク(GAN)、動き推定がある。
本稿では,深層畳み込みニューロンネットワーク(deep cnn)を用いた運動アーチファクトを,明示的な運動推定により,信頼性が高く検証可能な方法で補正する手法を提案する。
複数の受信コイルが提供する感度符号化(SENSE)の冗長性は、これまで加速、ノイズ低減、剛性運動補償に用いられてきた。
深層cnnを用いて剛体運動補償の概念をより複雑な運動場に一般化できることを示す。
シミュレーションされた合成データセットを用いて, 腹部頭部の運動破壊MRIを用いて, 教師付きネットワークの評価を行った。
我々は,剛性運動補償とGANとの比較を行った。
関連論文リスト
- SISMIK for brain MRI: Deep-learning-based motion estimation and
model-based motion correction in k-space [0.0]
本研究では,平面内剛体運動の問題に対処するために,運動量化と補正の振り返り手法を提案する。
我々は、深層ニューラルネットワークを用いてk空間の運動パラメータを推定し、モデルベースのアプローチで劣化した画像を復元し、「幻覚」を避ける。
提案手法はk空間のダイナミックレンジ全体で動作し,高調波の低SNRの影響を受けやすい。
論文 参考訳(メタデータ) (2023-12-20T17:38:56Z) - JSMoCo: Joint Coil Sensitivity and Motion Correction in Parallel MRI
with a Self-Calibrating Score-Based Diffusion Model [3.3053426917821134]
アンダーサンプルMRI再構成のための動きパラメータとコイル感度マップを共同で推定する。
本手法は, 動きの影響を受けない, 疎サンプリングされたk空間データから, 高品質MRI画像の再構成を行うことができる。
論文 参考訳(メタデータ) (2023-10-14T17:11:25Z) - Data Consistent Deep Rigid MRI Motion Correction [9.551748050454378]
運動アーティファクトはMRIの広範にわたる問題であり、人口レベルの画像研究において誤診や誤認を引き起こす。
現在の反射型剛性運動補正技術は、画像と運動パラメータの推定を共同で最適化する。
本稿では,厳密な動きパラメータのみを探索するために,深層ネットワークを用いて共同動画像パラメータ探索を削減した。
論文 参考訳(メタデータ) (2023-01-25T00:21:31Z) - Neural Global Shutter: Learn to Restore Video from a Rolling Shutter
Camera with Global Reset Feature [89.57742172078454]
ローリングシャッター(RS)画像センサは、撮影中にカメラや物体が動き出すとき、幾何学的歪みに悩まされる。
本稿では,ローリングシャッターとグローバルリセット機能(RSGR)を用いて,クリーンなグローバルシャッター(GS)ビデオの復元を行う。
この機能により、修正問題をデブロアのようなものにし、不正確でコストのかかる運動推定をなくすことができる。
論文 参考訳(メタデータ) (2022-04-03T02:49:28Z) - ProgressiveMotionSeg: Mutually Reinforced Framework for Event-Based
Motion Segmentation [101.19290845597918]
本稿では,動作推定 (ME) モジュールとイベントデノイング (ED) モジュールを相互に強化された方法で共同最適化する。
時間的相関をガイダンスとして、EDモジュールは各イベントが実活動イベントに属するという信頼度を算出し、MEモジュールに送信し、ノイズ抑制のための運動セグメンテーションのエネルギー関数を更新する。
論文 参考訳(メタデータ) (2022-03-22T13:40:26Z) - Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。
短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
論文 参考訳(メタデータ) (2022-03-14T17:55:41Z) - MotionHint: Self-Supervised Monocular Visual Odometry with Motion
Constraints [70.76761166614511]
モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。
我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
論文 参考訳(メタデータ) (2021-09-14T15:35:08Z) - Motion Artifact Reduction in Quantitative Susceptibility Mapping using
Deep Neural Network [9.701598172850847]
ランダムに生成した動きプロファイルを持つアフィンモーションモデルを用いて、動作破損したQSM画像をシミュレートする。
シミュレーションQSM画像は、その動きのない参照と組み合わせて、教師あり学習を用いてニューラルネットワークを訓練する。
トレーニングされたネットワークは、健康なボランティアやパーキンソン病の患者で、目に見えない動きによるQSM画像でテストされる。
論文 参考訳(メタデータ) (2021-05-04T20:32:02Z) - Which K-Space Sampling Schemes is good for Motion Artifact Detection in
Magnetic Resonance Imaging? [0.0]
モーションアーティファクトは、磁気共鳴イメージング(MRI)試験で一般的な発生です。
本研究では, カルテシアン, 均一スパイラル, ラジアルを含む3種類のk空間サンプラーが運動誘起画像歪みに及ぼす影響について検討する。
論文 参考訳(メタデータ) (2021-03-15T16:38:40Z) - Fast Motion Understanding with Spatiotemporal Neural Networks and
Dynamic Vision Sensors [99.94079901071163]
本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。
ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。
我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
論文 参考訳(メタデータ) (2020-11-18T17:55:07Z) - A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions
Artefacts in MRI Scans [63.28835187934139]
本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。
提案法は患者の多動運動によって生成された人工物に応用できる。
論文 参考訳(メタデータ) (2020-06-24T15:25:11Z)
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。