論文の概要: Implicit Neural Representation for MRI Parallel Imaging Reconstruction

• arxiv url: http://arxiv.org/abs/2309.06067v6
• Date: Wed, 10 Apr 2024 13:17:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-11 19:25:41.127784
• Title: Implicit Neural Representation for MRI Parallel Imaging Reconstruction
• Title（参考訳）: MRIパラレル画像再構成のためのインプシットニューラル表現法
• Authors: Hao Li, Yusheng Zhou, Jianan Liu, Xiling Liu, Tao Huang, Zhihan Lv, Weidong Cai,
• Abstract要約: Inlicit Neural representation (INR)は、有望なディープラーニング技術として登場した。 InRを用いた新しいMRI再構成法を提案する。 本手法は, ボクセル座標の関数として再構成された完全サンプリング画像と, アンダーサンプル画像からの先行特徴ベクトルを表現している。
• 参考スコア（独自算出の注目度）: 34.936667344452964
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Magnetic resonance imaging (MRI) usually faces lengthy acquisition times, prompting the exploration of strategies such as parallel imaging (PI) to alleviate this problem by periodically skipping specific K-space lines and subsequently reconstructing high-quality images from the undersampled K-space. Implicit neural representation (INR) has recently emerged as a promising deep learning technique, characterizing objects as continuous functions of spatial coordinates typically parameterized by a multilayer perceptron (MLP). In this study, we propose a novel MRI PI reconstruction method that uses INR. Our approach represents reconstructed fully-sampled images as functions of voxel coordinates and prior feature vectors from undersampled images, addressing the generalization challenges of INR. Specifically, we introduce a scale-embedded encoder to generate scale-independent, voxel-specific features from MR images across various undersampling scales. These features are then concatenated with coordinate vectors to reconstruct fully-sampled MR images, facilitating multiple-scale reconstructions. To evaluate our method's performance, we conducted experiments using publicly available MRI datasets, comparing it with alternative reconstruction techniques. Our quantitative assessment demonstrates the superiority of our proposed method.
• Abstract（参考訳）: 磁気共鳴イメージング(MRI)は通常、長い取得時間に直面し、特定のK空間線を周期的にスキップし、次にアンダーサンプリングされたK空間から高品質な画像を再構成することで、並列イメージング(PI)のような戦略を探索する。 Inlicit Neural representation (INR)は近年,多層パーセプトロン(MLP)によってパラメータ化される空間座標の連続関数としてオブジェクトを特徴付ける,有望なディープラーニング技術として登場した。 本研究では,INRを用いたMRI PI再構成手法を提案する。 提案手法は, ボクセル座標の関数として再構成された完全サンプリング画像と, アンダーサンプル画像からの先行特徴ベクトルを表現し, INRの一般化課題に対処する。 具体的には、様々なアンダーサンプリングスケールにわたるMR画像からスケール非依存のボクセル特異な特徴を生成するためのスケール埋め込みエンコーダを提案する。 これらの特徴を座標ベクトルと結合して、完全にサンプリングされたMR画像を再構成し、複数スケールの再構成を容易にする。 提案手法の性能を評価するため, 公開されているMRIデータセットを用いて実験を行い, 代替の再構成手法と比較した。 我々の定量的評価は,提案手法の優位性を示すものである。

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。