論文の概要: Arbitrary Reduction of MRI Inter-slice Spacing Using Hierarchical
Feature Conditional Diffusion
- arxiv url: http://arxiv.org/abs/2304.07756v3
- Date: Fri, 15 Sep 2023 11:46:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-18 18:38:30.069283
- Title: Arbitrary Reduction of MRI Inter-slice Spacing Using Hierarchical
Feature Conditional Diffusion
- Title(参考訳): Hierarchical Feature Conditional Diffusion を用いたMRIスライス間隔の任意化
- Authors: Xin Wang, Zhenrong Shen, Zhiyun Song, Sheng Wang, Mengjun Liu, Lichi
Zhang, Kai Xuan, Qian Wang
- Abstract要約: 超高解像度技術は、2DスキャンしたMR画像のスライス間隔を減らし、下流での視覚体験とコンピュータ支援診断を容易にする。
既存のほとんどの超解像法は一定のスケーリング比で訓練されており、MRスキャンがスライス間隔の異なる臨床環境では不都合である。
本稿では階層型特徴条件拡散法(HiFi-Diff)を提案する。
- 参考スコア(独自算出の注目度): 13.979654208364948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Magnetic resonance (MR) images collected in 2D scanning protocols typically
have large inter-slice spacing, resulting in high in-plane resolution but
reduced through-plane resolution. Super-resolution techniques can reduce the
inter-slice spacing of 2D scanned MR images, facilitating the downstream visual
experience and computer-aided diagnosis. However, most existing
super-resolution methods are trained at a fixed scaling ratio, which is
inconvenient in clinical settings where MR scanning may have varying
inter-slice spacings. To solve this issue, we propose Hierarchical Feature
Conditional Diffusion (HiFi-Diff)} for arbitrary reduction of MR inter-slice
spacing. Given two adjacent MR slices and the relative positional offset,
HiFi-Diff can iteratively convert a Gaussian noise map into any desired
in-between MR slice. Furthermore, to enable fine-grained conditioning, the
Hierarchical Feature Extraction (HiFE) module is proposed to hierarchically
extract conditional features and conduct element-wise modulation. Our
experimental results on the publicly available HCP-1200 dataset demonstrate the
high-fidelity super-resolution capability of HiFi-Diff and its efficacy in
enhancing downstream segmentation performance.
- Abstract(参考訳): 2次元走査プロトコルで収集された磁気共鳴(MR)画像は、通常、大きなスライス間隔を持ち、高平面分解能を持つが、平面分解能は低下する。
超高解像度技術は、2DスキャンしたMR画像のスライス間隔を減らし、下流での視覚体験とコンピュータ支援診断を容易にする。
しかし、既存のほとんどの超解像法は一定のスケーリング比で訓練されており、MRスキャンがスライス間隔の異なる臨床環境では不都合である。
そこで本稿では,mrインタースライス間隔を任意に低減するための階層的特徴条件拡散(hifi-diff)を提案する。
隣接した2つのMRスライスと相対的な位置オフセットが与えられた場合、HiFi-Diffはガウスノイズマップを任意の所望のMRスライスに変換する。
さらに, 階層的特徴抽出 (HiFE) モジュールは, 階層的に条件特徴を抽出し, 要素ワイド変調を行う。
HCP-1200データセットを用いた実験結果から,HiFi-Diffの高忠実度超解像能と下流セグメンテーション性能の向上効果が示された。
関連論文リスト
- SSIF: Learning Continuous Image Representation for Spatial-Spectral
Super-Resolution [73.46167948298041]
本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。
SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。
ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
論文 参考訳(メタデータ) (2023-09-30T15:23:30Z) - SuperMask: Generating High-resolution object masks from multi-view,
unaligned low-resolution MRIs [0.8074019565026543]
高分解能等方性MRIはまれであり、典型的なMRIは異方性であり、外面次元ははるかに低解像度である。
複数の低解像度画像から高解像度マスクを生成するための弱教師付きディープラーニングベースのソリューションを提案する。
論文 参考訳(メタデータ) (2023-03-13T23:09:51Z) - Flexible Alignment Super-Resolution Network for Multi-Contrast MRI [7.727046305845654]
超解像は、より正確な医療分析のために低解像度の画像を前処理する上で重要な役割を担っている。
マルチコントラスト磁気共鳴画像のためのフレキシブルアライメント・スーパーリゾリューション・ネットワーク(FASR-Net)を提案する。
論文 参考訳(メタデータ) (2022-10-07T11:07:20Z) - Deep filter bank regression for super-resolution of anisotropic MR brain
images [18.41979609846356]
2次元マルチスライス磁気共鳴(MR)取得では、スループレーン信号は通常、インプレーン信号よりも低解像度である。
超高分解能(SR)法は、基礎となる高分解能ボリュームを回復することを目的としているが、推定された高周波数情報は、エンドツーエンドのデータ駆動トレーニングを通じて暗黙的である。
そこで本研究では,特定スキャンの異方性獲得に対応する完全再構成フィルタバンクの完成を近似する2段階の手法を提案する。
論文 参考訳(メタデータ) (2022-09-06T16:05:19Z) - Spatial Attention-based Implicit Neural Representation for Arbitrary
Reduction of MRI Slice Spacing [17.16588480746507]
本稿では,MR間隔を任意に削減するための空間注意に基づくインプシットニューラル表現(SA-INR)ネットワークを提案する。
SA-INRは、座標を連続的に3次元空間にサンプリングすることにより、任意のスライス間隔でMR画像を再構成することができる。
HCP-1200データセットと臨床膝関節MRデータセットを用いて本手法の評価を行い,他の方法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-05-23T14:36:59Z) - Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image
Super-Resolution with Subpixel Fusion [67.35540259040806]
サブピクセルレベルのHS超解像フレームワークを提案する。
名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。
我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
論文 参考訳(メタデータ) (2022-05-07T23:40:36Z) - Cross-Modality High-Frequency Transformer for MR Image Super-Resolution [100.50972513285598]
我々はTransformerベースのMR画像超解像フレームワークを構築するための初期の取り組みを構築した。
我々は、高周波構造とモード間コンテキストを含む2つの領域先行について考察する。
我々は,Cross-modality High- frequency Transformer (Cohf-T)と呼ばれる新しいTransformerアーキテクチャを構築し,低解像度画像の超解像化を実現する。
論文 参考訳(メタデータ) (2022-03-29T07:56:55Z) - What Hinders Perceptual Quality of PSNR-oriented Methods? [61.648259566212424]
本稿では,高頻度拡張モジュールと空間コントラスト学習モジュールを組み合わせることで,COO問題と低周波傾向の影響を低減することを提案する。
実験結果から、DCLossを複数の正規SRモデルに適用する際の効率と有効性を示した。
論文 参考訳(メタデータ) (2022-01-04T08:30:09Z) - FA-GAN: Fused Attentive Generative Adversarial Networks for MRI Image
Super-Resolution [8.778205385041549]
超高分解能磁気共鳴画像を生成するためにFA-GAN(Fused Attentive Generative Adversarial Networks)と呼ばれるフレームワークを提案する。
ネットワークのトレーニングには40組の3次元磁気共鳴画像を使用し,提案手法の試験には10セットのイメージを用いている。
論文 参考訳(メタデータ) (2021-08-09T10:21:39Z) - 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) - 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。