論文の概要: Joint MR sequence optimization beats pure neural network approaches for spin-echo MRI super-resolution

• arxiv url: http://arxiv.org/abs/2305.07524v1
• Date: Fri, 12 May 2023 14:40:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-15 12:31:27.851341
• Title: Joint MR sequence optimization beats pure neural network approaches for spin-echo MRI super-resolution
• Title（参考訳）: スピンエコーMRI超解像のための結合MRシーケンス最適化は純粋ニューラルネットワークアプローチに勝る
• Authors: Hoai Nam Dang, Vladimir Golkov, Thomas Wimmer, Daniel Cremers, Andreas Maier and Moritz Zaiss
• Abstract要約: 最近のMRIスーパーレゾリューション(SR)法は、ニューラルネットワーク(NN)の入力として典型的な臨床領域から取得したコントラストのみを使用する SR-TSEのためのMRシークエンスとニューラルネットワークパラメータのエンドツーエンド最適化を実現するための既知の演算子学習手法を提案する。
• 参考スコア（独自算出の注目度）: 44.52688267348063
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current MRI super-resolution (SR) methods only use existing contrasts acquired from typical clinical sequences as input for the neural network (NN). In turbo spin echo sequences (TSE) the sequence parameters can have a strong influence on the actual resolution of the acquired image and have consequently a considera-ble impact on the performance of the NN. We propose a known-operator learning approach to perform an end-to-end optimization of MR sequence and neural net-work parameters for SR-TSE. This MR-physics-informed training procedure jointly optimizes the radiofrequency pulse train of a proton density- (PD-) and T2-weighted TSE and a subsequently applied convolutional neural network to predict the corresponding PDw and T2w super-resolution TSE images. The found radiofrequency pulse train designs generate an optimal signal for the NN to perform the SR task. Our method generalizes from the simulation-based optimi-zation to in vivo measurements and the acquired physics-informed SR images show higher correlation with a time-consuming segmented high-resolution TSE sequence compared to a pure network training approach.
• Abstract（参考訳）: 現在のMRI超解像法(SR)は、ニューラルネットワーク(NN)の入力として典型的な臨床シーケンスから得られた既存のコントラストのみを使用する。 ターボスピンエコーシークエンス(TSE)では、シーケンスパラメータは取得した画像の実際の解像度に強い影響を与え、NNの性能に考慮すべき影響を及ぼす。 SR-TSEのためのMRシークエンスとニューラルネットワークパラメータのエンドツーエンド最適化を実現するための既知の演算子学習手法を提案する。 プロトン密度−(PD−)およびT2重み付きTSEの高周波パルス列と、その後に応用された畳み込みニューラルネットワークとを共同で最適化し、対応するPDwおよびT2w超解像TSE画像を予測する。 検出された高周波パルストレインの設計は、SRタスクを実行するためにNNに最適な信号を生成する。 本手法はシミュレーションに基づくオプティミゼーションから生体内計測へ一般化し,取得した物理形sr画像は,純粋なネットワークトレーニング手法と比較して,時間消費セグメント化高分解能tseシーケンスと高い相関を示す。

関連論文リスト

• Stochastic Gradient Descent for Two-layer Neural Networks [2.0349026069285423]
  本稿では、過パラメータ化された2層ニューラルネットワークに適用した場合の降下(SGD)アルゴリズムの収束率について検討する。 提案手法は,NTKのタンジェントカーネル(NTK)近似と,NTKが生成する再生カーネル空間(RKHS)の収束解析を組み合わせたものである。 我々の研究フレームワークは、カーネルメソッドと最適化プロセスの間の複雑な相互作用を探索し、ニューラルネットワークのダイナミクスと収束特性に光を当てることを可能にする。
  論文  参考訳（メタデータ） (2024-07-10T13:58:57Z)
• INFusion: Diffusion Regularized Implicit Neural Representations for 2D and 3D accelerated MRI reconstruction [0.0]
  Inlicit Neural Representations (INRs) は、MRI(MRI)の取得を加速するための学習ベースのアプローチである。 本研究は、アンダーサンプルMR測定からINRの最適化を規則化する手法であるINFusionを提案する。 また,大規模な3次元MRデータセットにINRを適用可能な拡散正則化を用いたハイブリッド3次元アプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-19T23:51:26Z)
• Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction [54.19448988321891]
  本稿では,T1重み付き画像(T1WIs)を補助モダリティとして活用し,T2WIsの取得を高速化するエンド・ツー・エンドのディープラーニングフレームワークを提案する。 最適輸送(OT)を用いてT1WIを整列させてT2WIを合成し、クロスモーダル合成を行う。 再構成されたT2WIと合成されたT2WIがT2画像多様体に近づき、繰り返しが増加することを示す。
  論文  参考訳（メタデータ） (2023-05-04T12:20:51Z)
• Attention-based convolutional neural network for perfusion T2-weighted MR images preprocessing [0.0]
  本稿では,ネットワークアーキテクチャの基盤となるU-Net+ResNetへの空間的・チャネル的圧縮・励起的注意機構の異なる統合戦略を提案する。 脳解剖学的異常を伴うT2-stared MR画像における頭蓋骨切り術の性能について検討した。
  論文  参考訳（メタデータ） (2023-03-04T22:40:59Z)
• Modality-Agnostic Variational Compression of Implicit Neural Representations [96.35492043867104]
  Inlicit Neural Representation (INR) としてパラメータ化されたデータの関数的ビューに基づくモーダリティ非依存型ニューラル圧縮アルゴリズムを提案する。 潜時符号化と疎性の間のギャップを埋めて、ソフトゲーティング機構に非直線的にマッピングされたコンパクト潜時表現を得る。 このような潜在表現のデータセットを得た後、ニューラル圧縮を用いてモーダリティ非依存空間におけるレート/歪みトレードオフを直接最適化する。
  論文  参考訳（メタデータ） (2023-01-23T15:22:42Z)
• 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)
• Deep Convolutional Learning-Aided Detector for Generalized Frequency Division Multiplexing with Index Modulation [0.0]
  提案手法は、まずゼロフォース検出器(ZF)を用いて受信信号を前処理し、その後、畳み込みニューラルネットワーク(CNN)と完全連結ニューラルネットワーク(FCNN)からなるニューラルネットワークを用いる。 FCNN部は2つの完全に接続された層しか使用せず、複雑さとBER(bit error rate)パフォーマンスのトレードオフをもたらすことができる。 提案したディープ畳み込みニューラルネットワークに基づく検出・復調方式は,ZF検出器よりも高いBER性能を示し,複雑性が増大することが実証されている。
  論文  参考訳（メタデータ） (2022-02-06T22:18:42Z)
• Two-Stage Self-Supervised Cycle-Consistency Network for Reconstruction of Thin-Slice MR Images [62.4428833931443]
  太いスライス磁気共鳴(MR)画像は、しばしば冠状および矢状視で構造的にぼやけている。 深層学習は、これらの低分解能(LR)症例から高分解能(HR)薄膜MR画像を再構築する大きな可能性を示している。 MRスライス再構成のための2段階自己監督型サイクル一貫性ネットワーク(TSCNet)を提案する。
  論文  参考訳（メタデータ） (2021-06-29T13:29:18Z)
• Automated Design of Pulse Sequences for Magnetic Resonance Fingerprinting using Physics-Inspired Optimization [0.8711988786121446]
  MRF(Magnetic Resonance Fingerprinting)は、任意のパルス配列からT1やT2の緩和速度などの定量的組織特性を抽出する手法である。 ここでは、物理に着想を得た最適化を適用することで、MRFパルス列のデ・ノボ自動設計を行う。
  論文  参考訳（メタデータ） (2021-06-08T23:50:38Z)
• LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
  本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。 フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
  論文  参考訳（メタデータ） (2021-03-01T03:10:11Z)

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。