論文の概要: ICoNIK: Generating Respiratory-Resolved Abdominal MR Reconstructions Using Neural Implicit Representations in k-Space

• arxiv url: http://arxiv.org/abs/2308.08830v1
• Date: Thu, 17 Aug 2023 07:46:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-21 17:35:50.861726
• Title: ICoNIK: Generating Respiratory-Resolved Abdominal MR Reconstructions Using Neural Implicit Representations in k-Space
• Title（参考訳）: ICoNIK:k空間内におけるニューラルインシシシット表現を用いた呼吸解離型腹部MR画像再構成
• Authors: Veronika Spieker, Wenqi Huang, Hannah Eichhorn, Jonathan Stelter, Kilian Weiss, Veronika A. Zimmer, Rickmer F. Braren, Dimitrios C. Karampinos, Kerstin Hammernik, Julia A. Schnabel
• Abstract要約: そこで本研究では,k空間内での暗黙的表現を直接学習することにより,ぼやけた動きを解消する腹部再建法を提案する。 余分なサンプル領域の正規化を支援するため、追加の情報補正層(ICo)を導入する。 提案手法であるNIKとICoNIKは,標準動作解決手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 3.72607026411383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion-resolved reconstruction for abdominal magnetic resonance imaging (MRI) remains a challenge due to the trade-off between residual motion blurring caused by discretized motion states and undersampling artefacts. In this work, we propose to generate blurring-free motion-resolved abdominal reconstructions by learning a neural implicit representation directly in k-space (NIK). Using measured sampling points and a data-derived respiratory navigator signal, we train a network to generate continuous signal values. To aid the regularization of sparsely sampled regions, we introduce an additional informed correction layer (ICo), which leverages information from neighboring regions to correct NIK's prediction. Our proposed generative reconstruction methods, NIK and ICoNIK, outperform standard motion-resolved reconstruction techniques and provide a promising solution to address motion artefacts in abdominal MRI.
• Abstract（参考訳）: 腹部磁気共鳴画像(MRI)の動作改善は, 運動状態とアンダーサンプリングアーティファクトによる残留運動のぼかしとのトレードオフのため, 依然として課題である。 そこで本研究では,k-space (NIK) で直接暗黙的表現を学習することにより,ぼやけた動きを解消する腹部再建法を提案する。 測定されたサンプリングポイントとデータ由来の呼吸ナビゲータ信号を用いて,連続的な信号を生成するネットワークを訓練する。 サンプルの少ない領域の正規化を支援するため,周辺地域からの情報を活用してNIKの予測を補正する情報補正層(ICo)を導入する。 提案手法であるNIKとICoNIKは,標準動作解決法よりも優れており,腹部MRIにおける動作アーチファクトに対処するための有望な解決策を提供する。

関連論文リスト

• Self-Supervised k-Space Regularization for Motion-Resolved Abdominal MRI Using Neural Implicit k-Space Representation [3.829690053412406]
  並列イメージングによる自己整合性(PISCO)の概念を紹介する。 我々は、一貫した近傍関係を強制する自己教師付きk空間正規化を取り入れた。 追加のデータコストがなければ、提案された正規化はシミュレーションデータの暗黙的k空間再構成を大幅に改善する。
  論文  参考訳（メタデータ） (2024-04-12T09:31:11Z)
• 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)
• Neural Spherical Harmonics for structurally coherent continuous representation of diffusion MRI signal [0.3277163122167433]
  本稿では,ヒト脳の構造的コヒーレンスから恩恵を受ける拡散磁気共鳴画像(dMRI)データセットをモデル化する方法を提案する。 現在の方法では、個々のボクセルのdMRI信号をモデル化し、現在存在するボクセルのコヒーレンスを無視している。 我々は、ニューラルネットワークを用いて、Human Connectome Projectデータセットから1つの対象のdMRI信号を表現するために、球面調和系列をパラメータ化する。
  論文  参考訳（メタデータ） (2023-08-16T08:28:01Z)
• Spatiotemporal implicit neural representation for unsupervised dynamic MRI reconstruction [11.661657147506519]
  Inlicit Neuraltruth (INR) は逆問題を解決するための強力なDLベースのツールとして登場した。 本研究では,高度にアンサンプされたk空間データから動的MRI再構成を改善するためのINRに基づく手法を提案する。 提案したINRは、ダイナミックMRI画像を暗黙の関数として表現し、それらをニューラルネットワークにエンコードする。
  論文  参考訳（メタデータ） (2022-12-31T05:43:21Z)
• 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)
• Learning Optimal K-space Acquisition and Reconstruction using Physics-Informed Neural Networks [46.751292014516025]
  深層ニューラルネットワークは、アンサンプされたk空間データの再構成に応用され、再構成性能が改善されている。 本研究は,k空間サンプリング軌道を正規微分方程式(ODE)問題と考えることによって学習する新しい枠組みを提案する。 実験は、異なるシーケンスで取得された様々な生き残りデータセット(例えば、脳と膝の画像)で実施された。
  論文  参考訳（メタデータ） (2022-04-05T20:28:42Z)
• 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)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• Motion Correction and Volumetric Reconstruction for Fetal Functional Magnetic Resonance Imaging Data [3.690756997172894]
  運動補正は胎児脳の機能的磁気共鳴イメージング(fMRI)において重要な前処理ステップである。 胎児のfMRIに対する現在の動作補正手法は、特定の取得時点から1つの3Dボリュームを選択する。 本稿では,外乱運動補正を用いて高解像度の基準体積を推定する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-11T19:11:16Z)
• Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
  臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。 近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。 本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
  論文  参考訳（メタデータ） (2021-08-12T08:46:35Z)

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。