論文の概要: Physics-Informed DeepMRI: Bridging the Gap from Heat Diffusion to
k-Space Interpolation
- arxiv url: http://arxiv.org/abs/2308.15918v1
- Date: Wed, 30 Aug 2023 09:45:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-31 13:54:15.277326
- Title: Physics-Informed DeepMRI: Bridging the Gap from Heat Diffusion to
k-Space Interpolation
- Title（参考訳）: 物理インフォームドディープMRI:熱拡散からk空間補間へのギャップを埋める
- Authors: Zhuo-Xu Cui, Congcong Liu, Xiaohong Fan, Chentao Cao, Jing Cheng,
Qingyong Zhu, Yuanyuan Liu, Sen Jia, Yihang Zhou, Haifeng Wang, Yanjie Zhu,
Jianping Zhang, Qiegen Liu, Dong Liang
- Abstract要約: 本稿では,$k$-space手法と画像ドメイン手法を一体化した解釈可能なフレームワークを提案する。
具体的には、k$-空間における高周波情報の減衰過程を熱拡散方程式としてモデル化し、低周波領域からの高周波情報の再構成は逆熱方程式として概念化することができる。
この課題に対処するために、磁気共鳴PI物理の原理に適合するように熱方程式を修正し、スコアに基づく生成法を用いて、修正された逆熱拡散を正確に実行する。
- 参考スコア（独自算出の注目度）: 27.081130793389285
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the field of parallel imaging (PI), alongside image-domain regularization
methods, substantial research has been dedicated to exploring $k$-space
interpolation. However, the interpretability of these methods remains an
unresolved issue. Furthermore, these approaches currently face acceleration
limitations that are comparable to those experienced by image-domain methods.
In order to enhance interpretability and overcome the acceleration limitations,
this paper introduces an interpretable framework that unifies both $k$-space
interpolation techniques and image-domain methods, grounded in the physical
principles of heat diffusion equations. Building upon this foundational
framework, a novel $k$-space interpolation method is proposed. Specifically, we
model the process of high-frequency information attenuation in $k$-space as a
heat diffusion equation, while the effort to reconstruct high-frequency
information from low-frequency regions can be conceptualized as a reverse heat
equation. However, solving the reverse heat equation poses a challenging
inverse problem. To tackle this challenge, we modify the heat equation to align
with the principles of magnetic resonance PI physics and employ the score-based
generative method to precisely execute the modified reverse heat diffusion.
Finally, experimental validation conducted on publicly available datasets
demonstrates the superiority of the proposed approach over traditional
$k$-space interpolation methods, deep learning-based $k$-space interpolation
methods, and conventional diffusion models in terms of reconstruction accuracy,
particularly in high-frequency regions.
- Abstract（参考訳）: 並列イメージング(PI)の分野では、画像領域の正規化と共に、$k$空間補間を探索する研究が盛んに行われている。
しかし、これらの方法の解釈性は未解決の問題である。
さらに、これらのアプローチは現在、イメージドメインメソッドでの経験に匹敵するアクセラレーション制限に直面している。
本稿では, 解釈可能性を高め, 加速度制限を克服するために, $k$-空間補間法と熱拡散方程式の物理原理に基づく画像領域法の両方を統一した解釈可能なフレームワークを提案する。
この基礎的枠組みに基づいて、新しい$k$-space補間法を提案する。
具体的には、k$-空間における高周波情報の減衰過程を熱拡散方程式としてモデル化し、低周波領域からの高周波情報の再構成は逆熱方程式として概念化することができる。
しかし、逆熱方程式を解くことは難しい逆問題となる。
この課題に取り組むために、磁気共鳴パイ物理学の原理に則る熱方程式を修正し、スコアベースの生成法を用いて変形した逆熱拡散を高精度に実行する。
最後に,従来の$k$空間補間法,深層学習に基づく$k$空間補間法,および特に高周波領域における再構成精度の観点から,従来の拡散モデルよりも提案手法の方が優れていることを示す。
関連論文リスト
- Sub-DM:Subspace Diffusion Model with Orthogonal Decomposition for MRI Reconstruction [13.418240070456987]
サブスペース拡散モデル (Sub-DM) は、k空間のデータ分布がノイズに向かって進化するにつれて、サブスペースへの射影による拡散過程を制限するサブスペース拡散モデルである。
k空間データのコンプレックスと高次元特性によって引き起こされる推論問題を回避する。
これにより、異なる空間における拡散過程が相互フィードバック機構を通じてモデルを洗練することができ、複雑なk空間データを扱う場合でも、アクカレートの事前学習が可能になる。
論文 参考訳（メタデータ） (2024-11-06T08:33:07Z) - G2D2: Gradient-guided Discrete Diffusion for image inverse problem solving [55.185588994883226]
本稿では,従来の離散拡散に基づく画像生成モデルを活用することによって,線形逆問題に対処する新しい手法を提案する。
我々の知る限りでは、これは画像逆問題を解決するために離散拡散モデルに基づく先行手法を使う最初のアプローチである。
論文 参考訳（メタデータ） (2024-10-09T06:18:25Z) - The role of interface boundary conditions and sampling strategies for Schwarz-based coupling of projection-based reduced order models [0.0]
本稿では、シュワルツ交互化法を用いて、サブドメイン局所射影に基づくリダクションオーダーモデル(PROM)の結合のためのフレームワークを提案する。
サブドメイン境界上でのDirichlet-Dirichlet (Robin-Robin や交互化Dirichlet-Neumann) 伝送BCを用いた安定かつ正確な結合モデルが得られることを示す。
以上の結果から,提案手法はPROMの精度を向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2024-10-07T00:44:22Z) - Imaging Interiors: An Implicit Solution to Electromagnetic Inverse Scattering Problems [74.28677741399966]
EISP(Electromagnetic Inverse Scattering Problems)は、計算画像に広く応用されている。
本稿では,EISPにおけるこれらの課題に,暗黙のアプローチで対処する。
我々のアプローチは、標準ベンチマークデータセットにおける既存のメソッドよりも優れています。
論文 参考訳（メタデータ） (2024-07-12T15:25:54Z) - A Heat Diffusion Perspective on Geodesic Preserving Dimensionality
Reduction [66.21060114843202]
熱測地線埋め込みと呼ばれるより一般的な熱カーネルベースの多様体埋め込み法を提案する。
その結果,本手法は,地中真理多様体距離の保存において,既存の技術よりも優れていることがわかった。
また,連続体とクラスタ構造を併用した単一セルRNAシークエンシングデータセットに本手法を適用した。
論文 参考訳（メタデータ） (2023-05-30T13:58:50Z) - A Variational Perspective on Solving Inverse Problems with Diffusion
Models [101.831766524264]
逆タスクは、データ上の後続分布を推測するものとして定式化することができる。
しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。
そこで我々は,真の後続分布を近似する設計手法を提案する。
論文 参考訳（メタデータ） (2023-05-07T23:00:47Z) - SPIRiT-Diffusion: Self-Consistency Driven Diffusion Model for Accelerated MRI [14.545736786515837]
本稿では,k空間の拡散モデルであるSPIRiT-Diffusionを紹介する。
3次元頭蓋内および頸動脈壁画像データセットを用いたSPIRiT-Diffusion法の評価を行った。
論文 参考訳（メタデータ） (2023-04-11T08:43:52Z) - Reflected Diffusion Models [93.26107023470979]
本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。
提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
論文 参考訳（メタデータ） (2023-04-10T17:54:38Z) - Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse
Problems [64.29491112653905]
本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。
具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。
提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
論文 参考訳（メタデータ） (2023-03-10T07:42:49Z) - High-Frequency Space Diffusion Models for Accelerated MRI [7.985113617260289]
連続微分方程式(SDE)を持つ拡散モデルは、画像生成において優れた性能を示す。
高周波空間における拡散過程と磁気共鳴(MR)再構成に適した新しいSDEを提案する。
このアプローチは、完全サンプリングされた低周波領域における決定性を保証し、逆拡散のサンプリング手順を加速する。
論文 参考訳（メタデータ） (2022-08-10T14:04:20Z) - Compressive Fourier collocation methods for high-dimensional diffusion
equations with periodic boundary conditions [7.80387197350208]
高次元偏微分方程式(英: High-dimensional partial Differential Equations, PDE)は、ファイナンスから計算化学まで多岐にわたる数学モデリングツールである。
これらのPDEを解くための標準的な数値技術は、典型的には次元の呪いの影響を受けている。
高次元におけるスパース関数近似の最近の進歩に触発されて、圧縮フーリエコロケーションと呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2022-06-02T19:11:27Z)
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。