論文の概要: A Conditional Normalizing Flow for Accelerated Multi-Coil MR Imaging

• arxiv url: http://arxiv.org/abs/2306.01630v1
• Date: Fri, 2 Jun 2023 15:49:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 14:33:05.439849
• Title: A Conditional Normalizing Flow for Accelerated Multi-Coil MR Imaging
• Title（参考訳）: 高速マルチコイルMRイメージングのための条件正規化流
• Authors: Jeffrey Wen, Rizwan Ahmad, and Philip Schniter
• Abstract要約: 我々は,測定演算子のヌル空間の信号成分を推論する新しい条件正規化フロー(CNF)を開発し,後に測定データと組み合わせて完全な画像を生成する。 高速MRI脳と膝関節データを用いて,近年のMRI後部サンプリング技術を上回る高速な推測と精度を示す。
• 参考スコア（独自算出の注目度）: 12.31503281925152
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accelerated magnetic resonance (MR) imaging attempts to reduce acquisition time by collecting data below the Nyquist rate. As an ill-posed inverse problem, many plausible solutions exist, yet the majority of deep learning approaches generate only a single solution. We instead focus on sampling from the posterior distribution, which provides more comprehensive information for downstream inference tasks. To do this, we design a novel conditional normalizing flow (CNF) that infers the signal component in the measurement operator's nullspace, which is later combined with measured data to form complete images. Using fastMRI brain and knee data, we demonstrate fast inference and accuracy that surpasses recent posterior sampling techniques for MRI. Code is available at https://github.com/jwen307/mri_cnf/
• Abstract（参考訳）: 加速磁気共鳴(MR)イメージングは、Nyquistレート以下のデータを収集することで取得時間を短縮しようとする。 逆問題として、多くの可算解が存在するが、ディープラーニングアプローチの大多数は単一の解のみを生成する。 代わりに、下流の推論タスクについてより包括的な情報を提供する後方分布からのサンプリングにフォーカスする。 そこで我々は,測定演算子のヌル空間の信号成分を推定する新しい条件正規化フロー(CNF)を設計し,後に測定データと組み合わせて完全な画像を生成する。 高速MRI脳と膝データを用いて,近年のMRI後部サンプリング技術を上回る高速な推測と精度を示す。 コードはhttps://github.com/jwen307/mri_cnf/で入手できる。

関連論文リスト

• Robust Simultaneous Multislice MRI Reconstruction Using Deep Generative Priors [4.23798859509348]
  同時マルチスライス(SMS)イメージングはMRI取得を加速させる強力な技術である。 本研究は, 深部生成前駆体を用いた頑健なSMS MRI再構成法を提案する。
  論文  参考訳（メタデータ） (2024-07-31T13:34:14Z)
• Autoregressive Image Diffusion: Generation of Image Sequence and Application in MRI [2.0318411357438086]
  生成モデルは画像分布を学習し、アンサンプされたk空間データから高品質な画像の再構成に使用できる。 画像系列に対する自己回帰画像拡散(AID)モデルを提案し,それを後部MRI再構成のサンプリングに用いた。 その結果,AIDモデルは逐次コヒーレントな画像列を確実に生成できることがわかった。
  論文  参考訳（メタデータ） (2024-05-23T08:57:10Z)
• Ambient Diffusion Posterior Sampling: Solving Inverse Problems with Diffusion Models trained on Corrupted Data [56.81246107125692]
  Ambient Diffusion Posterior Smpling (A-DPS) は、ある種類の腐敗に対して事前訓練された生成モデルである。 A-DPSは、いくつかの画像復元タスクにおいて、クリーンなデータで訓練されたモデルよりも、速度と性能の両方で優れていることが示される。 我々はAmbient Diffusionフレームワークを拡張して、FourierサブサンプルのマルチコイルMRI測定にのみアクセスしてMRIモデルをトレーニングする。
  論文  参考訳（メタデータ） (2024-03-13T17:28:20Z)
• CDiffMR: Can We Replace the Gaussian Noise with K-Space Undersampling for Fast MRI? [1.523157765626545]
  我々はCDiffMRと呼ばれる冷拡散型MRI再構成法を提案する。 以上の結果から,CDiffMRは最先端モデルに匹敵する,あるいは優れた再構成結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-06-25T21:53:50Z)
• CuNeRF: Cube-Based Neural Radiance Field for Zero-Shot Medical Image Arbitrary-Scale Super Resolution [78.734927709231]
  医用画像任意スケール超解像 (MIASSR) が最近注目され, 任意のスケールの医用ボリュームを単一モデルで超高精細化することを目指している。 連続領域における任意のスケールで医用画像が得られるゼロショットMIASSRフレームワークCuNeRFを提案する。
  論文  参考訳（メタデータ） (2023-03-28T18:36:19Z)
• A Regularized Conditional GAN for Posterior Sampling in Image Recovery Problems [11.393603788068777]
  画像回復問題では、画像が歪んだり、不完全であったり、あるいはノイズによる破損した測定結果から推測しようとする。 本稿では,1秒間に数十個の高品質な後続サンプルを生成する正規化条件付きWasserstein GANを提案する。 本手法は, マルチコイルMRIと大規模インペインティングアプリケーションの両方において, 最先端の後方試料を作製する。
  論文  参考訳（メタデータ） (2022-10-24T16:43:00Z)
• Physics-informed compressed sensing for PC-MRI: an inverse Navier-Stokes problem [78.20667552233989]
  我々は、ノイズやスパース磁気共鳴信号から速度場を復元するための物理インフォームド圧縮センシング(PICS)法を定式化する。 本手法は, 疎サンプリング信号から速度場を再構成し, セグメンテーションすることができる。
  論文  参考訳（メタデータ） (2022-07-04T14:51:59Z)
• Robust Compressed Sensing MRI with Deep Generative Priors [84.69062247243953]
  臨床MRIデータに対するCSGMフレームワークの初成功例を示す。 我々は、高速MRIデータセットから脳スキャンに先立って生成をトレーニングし、Langevin dynamicsによる後部サンプリングが高品質な再構成を実現することを示す。
  論文  参考訳（メタデータ） (2021-08-03T08:52:06Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• 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)
• Deep Residual Dense U-Net for Resolution Enhancement in Accelerated MRI Acquisition [19.422926534305837]
  本稿では,MRIの高速化による高画質画像の再構成を目的としたディープラーニング手法を提案する。 具体的には、畳み込みニューラルネットワーク(CNN)を用いて、エイリアス画像と元の画像の違いを学習する。 ダウンサンプリングされたk空間データの特異性を考慮すると、与えられたk空間データを効果的に活用する学習における損失関数に新しい用語を導入する。
  論文  参考訳（メタデータ） (2020-01-13T19:01:17Z)

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。