論文の概要: Implicit Neural Networks with Fourier-Feature Inputs for Free-breathing Cardiac MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2305.06822v1
• Date: Thu, 11 May 2023 14:14:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 14:31:59.118562
• Title: Implicit Neural Networks with Fourier-Feature Inputs for Free-breathing Cardiac MRI Reconstruction
• Title（参考訳）: 自由呼吸型心臓MRI再建のためのフーリエ入力を持つインプシットニューラルネットワーク
• Authors: Johannes F. Kunz and Stefan Ruschke and Reinhard Heckel
• Abstract要約: 我々は、心臓を暗黙のニューラルネットワークで表現し、心臓の表現が測定値と一致するようにネットワークに適合させる。 心電図などの追加の患者データやバイオセンサーは必要とせず,幅広い臨床シナリオに応用できる可能性がある。
• 参考スコア（独自算出の注目度）: 22.6928271117295
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose an approach for cardiac magnetic resonance imaging (MRI), which aims to reconstruct a real-time video of a beating heart from continuous highly under-sampled measurements. This task is challenging since the object to be reconstructed (the heart) is continuously changing during signal acquisition. To address this challenge, we represent the beating heart with an implicit neural network and fit the network so that the representation of the heart is consistent with the measurements. The network in the form of a multi-layer perceptron with Fourier-feature inputs acts as an effective signal prior and enables adjusting the regularization strength in both the spatial and temporal dimensions of the signal. We examine the proposed approach for 2D free-breathing cardiac real-time MRI in different operating regimes, i.e., for different image resolutions, slice thicknesses, and acquisition lengths. Our method achieves reconstruction quality on par with or slightly better than state-of-the-art untrained convolutional neural networks and superior image quality compared to a recent method that fits an implicit representation directly to Fourier-domain measurements. However, this comes at a higher computational cost. Our approach does not require any additional patient data or biosensors including electrocardiography, making it potentially applicable in a wide range of clinical scenarios.
• Abstract（参考訳）: 本稿では, 連続的高アンサンプリング計測から心臓のリアルタイム映像を再構成することを目的とした, 心臓磁気共鳴イメージング(mri)のアプローチを提案する。 この課題は、信号取得中に再建対象(心臓)が継続的に変化しているため、困難である。 この課題に対処するために、我々はビートハートを暗黙のニューラルネットワークで表現し、心臓の表現が測定値と一致するようにネットワークに適合させる。 フーリエ特徴入力を持つ多層パーセプトロン形式のネットワークは、有効信号の先行として作用し、信号の空間的及び時間的次元の両方における正則化強度を調整することができる。 そこで本研究では, 異なる手術領域, 異なる画像解像度, スライス厚, 取得長さにおける2次元自由呼吸型心臓mriのアプローチについて検討した。 提案手法は,Fourier領域測定に暗黙的表現を直接適用した最近の手法と比較して,最先端の未学習畳み込みニューラルネットワークと同等以上の再現品質と画像品質を実現する。 しかし、これは計算コストが高い。 このアプローチでは、心電図を含む追加の患者データやバイオセンサーは必要とせず、幅広い臨床シナリオに適用できる可能性がある。

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)
• Attention Incorporated Network for Sharing Low-rank, Image and K-space Information during MR Image Reconstruction to Achieve Single Breath-hold Cardiac Cine Imaging [9.531827741901662]
  我々は,MRI再構成のための新しい深層学習ネットワークに,低ランク,画像,k空間を含む複数の領域からの情報を埋め込むことを提案する。 A-LIKNetは並列ブランチ構造を採用し、k空間と画像領域で独立した学習を可能にする。
  論文  参考訳（メタデータ） (2024-07-03T11:54:43Z)
• 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)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• 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)
• fMRI Multiple Missing Values Imputation Regularized by a Recurrent Denoiser [0.913755431537592]
  機能的磁気共鳴イメージング(Feature Magnetic Resonance Imaging、fMRI)は、その科学的および臨床的応用により重要な神経イメージング技術である。 アーティファクトや準最適画像解像度の存在により、高い頻度で値が失われているため、同じ品質を保証する必要がある。 本稿では,空間依存型信号計算と時間依存型信号の正規化という,2つの主要なステップからなる新しい計算手法を提案する。
  論文  参考訳（メタデータ） (2020-09-26T13:56:41Z)
• Deep Parallel MRI Reconstruction Network Without Coil Sensitivities [4.559089047554929]
  並列MRI(pMRI)における高速画像再構成のための頑健な近位勾配スキームをデータからトレーニングした正規化関数にマッピングすることにより,新しいディープニューラルネットワークアーキテクチャを提案する。 提案するネットワークは,不完全なpMRIデータからのマルチコイル画像と均一なコントラストとを適応的に組み合わせることを学び,非線形エンコーダに渡されて画像のスパース特徴を効率的に抽出する。
  論文  参考訳（メタデータ） (2020-08-04T08:39:36Z)
• 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)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。