論文の概要: Batch Implicit Neural Representation for MRI Parallel Reconstruction
- arxiv url: http://arxiv.org/abs/2309.06067v1
- Date: Tue, 12 Sep 2023 09:07:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-13 13:53:51.378827
- Title: Batch Implicit Neural Representation for MRI Parallel Reconstruction
- Title(参考訳): MRI並列再構成のためのバッチインプットニューラル表現法
- Authors: Hao Li, Yusheng Zhou, Jianan Liu, Xiling Liu, Tao Huang, and Zhihan Lv
- Abstract要約: 暗黙的神経表現(INR)は、物体を空間座標の連続関数として表現する新しい深層学習法として登場した。
InRに基づく新しいMRI再構成手法を提案する。
- 参考スコア(独自算出の注目度): 31.952891507137725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Magnetic resonance imaging (MRI) always suffered from the problem of long
acquisition time. MRI reconstruction is one solution to reduce scan time by
skipping certain phase-encoding lines and then restoring high-quality images
from undersampled measurements. Recently, implicit neural representation (INR)
has emerged as a new deep learning method that represents an object as a
continuous function of spatial coordinates, and this function is normally
parameterized by a multilayer perceptron (MLP). In this paper, we propose a
novel MRI reconstruction method based on INR, which represents the
fully-sampled images as the function of pixel coordinates and prior feature
vectors of undersampled images for overcoming the generalization problem of
INR. Specifically, we introduce a scale-embedded encoder to produce
scale-independent pixel-specific features from MR images with different
undersampled scales and then concatenate with coordinates vectors to recover
fully-sampled MR images via an MLP, thus achieving arbitrary scale
reconstruction. The performance of the proposed method was assessed by
experimenting on publicly available MRI datasets and compared with other
reconstruction methods. Our quantitative evaluation demonstrates the
superiority of the proposed method over alternative reconstruction methods.
- Abstract(参考訳): 磁気共鳴画像(MRI)は常に長い取得時間の問題に悩まされている。
MRI再構成は、特定の位相符号化ラインをスキップし、アンダーサンプル測定から高品質なイメージを復元することでスキャン時間を短縮する1つの方法である。
近年,物体を空間座標の連続関数として表現する新しい深層学習法として暗黙的ニューラル表現(INR)が登場し,この関数は通常多層パーセプトロン(MLP)によってパラメータ化される。
本稿では,INRに基づく新しいMRI再構成手法を提案する。INRの一般化問題を克服するための画素座標とアンダーサンプル画像の先行特徴ベクトルの関数として,全サンプル画像を表現する。
具体的には,スケールの異なるmr画像からスケール非依存な画素特性を生成し,座標ベクトルと結合してmlpを介してフルサンプリングされたmr画像を復元し,任意のスケール再構成を実現するスケール埋め込みエンコーダを導入する。
提案手法の性能は,mriデータセット上で実験し,他の再構成法と比較することで評価した。
提案手法が代替手法よりも優れていることを示す定量的評価を行った。
関連論文リスト
- NeRF Solves Undersampled MRI Reconstruction [1.3597551064547502]
本稿では,Neural Radiance Field(NeRF)の概念を利用したMRI技術について述べる。
ラジアルアンダーサンプリングにより、対応する撮像問題をスパースビューレンダリングデータから画像モデリングタスクに再構成することができる。
空間座標から画像強度を出力する多層パーセプトロンは、所定の測定データと所望の画像との間のMR物理駆動レンダリング関係を学習する。
論文 参考訳(メタデータ) (2024-02-20T18:37:42Z) - A scan-specific unsupervised method for parallel MRI reconstruction via
implicit neural representation [9.388253054229155]
暗黙的神経表現(INR)は、物体の内部連続性を学ぶための新しいディープラーニングパラダイムとして登場した。
提案手法は,アーティファクトやノイズのエイリアスを抑えることにより,既存の手法よりも優れる。
良質な結果と走査特異性により,提案手法は並列MRIのデータ取得をさらに加速させる可能性を秘めている。
論文 参考訳(メタデータ) (2022-10-19T10:16:03Z) - 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) - Undersampled MRI Reconstruction with Side Information-Guided
Normalisation [20.28262806301981]
畳み込みニューラルネットワーク(CNN)の正常化パラメータとして外見関連側情報を用いて,MRIのアンダーサンプル化を改善する。
具体的には,サイド情報を効率的にエンコードし,正規化パラメータを出力するために,少数のレイヤのみを含むサイド情報ガイド正規化(SIGN)モジュールを提案する。
論文 参考訳(メタデータ) (2022-03-07T08:04:08Z) - ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。
高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。
パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
論文 参考訳(メタデータ) (2022-01-23T21:58:19Z) - Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。
我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。
私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
論文 参考訳(メタデータ) (2021-10-15T13:16:59Z) - 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) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳(メタデータ) (2021-04-05T13:05:22Z) - Joint reconstruction and bias field correction for undersampled MR
imaging [7.409376558513677]
k空間をMRIでアンサンプすることで、貴重な取得時間を節約できるが、結果として不適切な逆転問題が発生する。
ディープラーニングのスキームは、トレーニングデータと、テスト時に再構成される画像の違いに影響を受けやすい。
本研究は,再建問題のバイアス場に対する感度に対処し,再設計において明確にモデル化することを提案する。
論文 参考訳(メタデータ) (2020-07-26T12:58:34Z)
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。