論文の概要: Realistic Restorer: artifact-free flow restorer(AF2R) for MRI motion artifact removal

• arxiv url: http://arxiv.org/abs/2306.10689v1
• Date: Mon, 19 Jun 2023 04:02:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 19:17:30.833130
• Title: Realistic Restorer: artifact-free flow restorer(AF2R) for MRI motion artifact removal
• Title（参考訳）: real restorer: mriモーションアーティファクト除去のためのartifact-free flow restorer(af2r)
• Authors: Jiandong Su and Kun Shang and Dong Liang
• Abstract要約: 運動アーティファクトは画像品質を著しく劣化させ、検査効率を低下させ、正確な診断を困難にする。 それまでの手法は、アーティファクト修正のための暗黙のモデルに頼っていたため、アーティファクト形成機構をモデル化する際のバイアスが生じた。 画像領域のアーティファクトと解剖学的内容の関係を再構築するために、アーティファクト生成機構を組み込んだ。
• 参考スコア（独自算出の注目度）: 3.8103327351507255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion artifact is a major challenge in magnetic resonance imaging (MRI) that severely degrades image quality, reduces examination efficiency, and makes accurate diagnosis difficult. However, previous methods often relied on implicit models for artifact correction, resulting in biases in modeling the artifact formation mechanism and characterizing the relationship between artifact information and anatomical details. These limitations have hindered the ability to obtain high-quality MR images. In this work, we incorporate the artifact generation mechanism to reestablish the relationship between artifacts and anatomical content in the image domain, highlighting the superiority of explicit models over implicit models in medical problems. Based on this, we propose a novel end-to-end image domain model called AF2R, which addresses this problem using conditional normalization flow. Specifically, we first design a feature encoder to extract anatomical features from images with motion artifacts. Then, through a series of reversible transformations using the feature-to-image flow module, we progressively obtain MR images unaffected by motion artifacts. Experimental results on simulated and real datasets demonstrate that our method achieves better performance in both quantitative and qualitative results, preserving better anatomical details.
• Abstract（参考訳）: 運動アーティファクトは、画像品質を著しく低下させ、検査効率を低下させ、正確な診断を困難にする磁気共鳴イメージング(MRI)において大きな課題である。 しかし、従来の手法はしばしば人工物補正のための暗黙のモデルに依存しており、その結果、人工物の形成機構をモデル化し、人工物情報と解剖学的詳細との関係を特徴づけるバイアスが生じる。 これらの制限は、高品質のmr画像を得る能力を妨げる。 本研究では,画像領域におけるアーティファクトと解剖学的コンテンツの関係を再構築するアーティファクト生成機構を取り入れ,医学的問題における暗黙のモデルよりも明示的なモデルの優越性を強調した。 そこで本研究では,条件付き正規化フローを用いてこの問題に対処した,新しいエンドツーエンド画像ドメインモデルaf2rを提案する。 具体的には,まず,動画像から解剖学的特徴を抽出する特徴エンコーダを設計する。 そして,特徴対像フローモジュールを用いた一連の可逆変換により,動画像の影響を受けないMR画像を得る。 シミュレーションおよび実データを用いた実験により, 定量的, 質的ともに良好な性能を得られ, 解剖学的詳細が保たれることを示した。

関連論文リスト

• Assessing the use of Diffusion models for motion artifact correction in brain MRI [0.6554326244334868]
  我々は2次元脳MRIにおける運動アーチファクトの修正に拡散モデルを用いることを批判的に評価した。 本研究では,拡散モデルに基づく手法と最先端の手法との比較を行った。 拡散モデルは正確な予測や有害な幻覚を生成できる。
  論文  参考訳（メタデータ） (2025-02-03T14:56:48Z)
• DiffDoctor: Diagnosing Image Diffusion Models Before Treating [57.82359018425674]
  DiffDoctorは2段階のパイプラインで、画像拡散モデルがより少ないアーティファクトを生成するのを支援する。 我々は100万以上の欠陥のある合成画像のデータセットを収集し、効率的なHuman-in-the-loopアノテーションプロセスを構築した。 そして、学習したアーティファクト検出器を第2段階に巻き込み、各画像に画素ごとの信頼マップを割り当てて拡散モデルをチューニングする。
  論文  参考訳（メタデータ） (2025-01-21T18:56:41Z)
• Motion Artifact Removal in Pixel-Frequency Domain via Alternate Masks and Diffusion Model [58.694932010573346]
  MRI(MRI)における運動アーチファクトは臨床診断に深刻な干渉を与える可能性がある。 ノイズの多いMRI画像の画素周波数情報を利用して、事前学習した拡散モデルを誘導し、クリーンなMRI画像の復元を行う新しい教師なし浄化法を提案する。
  論文  参考訳（メタデータ） (2024-12-10T15:25:18Z)
• 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)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• RetinexFlow for CT metal artifact reduction [10.612456151972113]
  金属アーチファクトはCT(Computerd tomography)イメージングにおいて大きな課題である。 本研究では, 分解作業と完成作業の組合せとして, 金属加工品の還元問題を定式化する。 本稿では、Retinex理論と条件正規化フローに基づく、新しいエンドツーエンド画像ドメインモデルであるRetinexFlowを提案する。
  論文  参考訳（メタデータ） (2023-06-18T10:53:52Z)
• Annealed Score-Based Diffusion Model for MR Motion Artifact Reduction [37.41561581618164]
  モーションアーティファクトリダクションは、MRイメージングにおいて重要な研究トピックの1つである。 我々はMRIの動作アーチファクト低減のためのアニール式スコアベース拡散モデルを提案する。 実験により, 提案手法は, シミュレーションおよび生体内動作アーティファクトの両方を効果的に低減することを確認した。
  論文  参考訳（メタデータ） (2023-01-08T12:16:08Z)
• Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging [41.587861167935785]
  運動アーティファクトはMRI(MRI)の品質を損なう モーションアーティファクトリダクション(MAR)のソリューションとしてディープラーニングアプローチが登場した これらの手法の欠点の1つは、トレーニング目的のために2組のモーションアーティファクト崩壊(MA崩壊)とモーションアーティファクトフリー(MA無し)MR画像を取得することにある。 この問題を軽減するために,UNAEN(UN Abnormality extract Network)を提案する。
  論文  参考訳（メタデータ） (2023-01-04T18:02:59Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Learning MRI Artifact Removal With Unpaired Data [74.48301038665929]
  振り返りアーティファクト補正(RAC)は、画像の質を向上し、画像のユーザビリティを向上させる。 最近のRACの機械学習駆動技術は、主に教師付き学習に基づいている。 ここでは、不要な画像アーティファクトを、未ペアデータで学習したRACニューラルネットワークを介して、画像から切り離し、取り除くことができることを示す。
  論文  参考訳（メタデータ） (2021-10-09T16:09:27Z)

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。