論文の概要: Deep Cardiac MRI Reconstruction with ADMM
- arxiv url: http://arxiv.org/abs/2310.06628v1
- Date: Tue, 10 Oct 2023 13:46:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 01:34:57.782187
- Title: Deep Cardiac MRI Reconstruction with ADMM
- Title（参考訳）: ADMMを用いた深部心MRI画像再構成
- Authors: George Yiasemis, Nikita Moriakov, Jan-Jakob Sonke, Jonas Teuwen
- Abstract要約: 心臓画像の分野では, 深層学習(DL)を用いたシネ・マルチコントラスト再建法を提案する。
提案手法は画像領域とk空間領域の両方を最適化し,高い再構成精度を実現する。
- 参考スコア（独自算出の注目度）: 7.694990352622926
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardiac magnetic resonance imaging is a valuable non-invasive tool for
identifying cardiovascular diseases. For instance, Cine MRI is the benchmark
modality for assessing the cardiac function and anatomy. On the other hand,
multi-contrast (T1 and T2) mapping has the potential to assess pathologies and
abnormalities in the myocardium and interstitium. However, voluntary
breath-holding and often arrhythmia, in combination with MRI's slow imaging
speed, can lead to motion artifacts, hindering real-time acquisition image
quality. Although performing accelerated acquisitions can facilitate dynamic
imaging, it induces aliasing, causing low reconstructed image quality in Cine
MRI and inaccurate T1 and T2 mapping estimation. In this work, inspired by
related work in accelerated MRI reconstruction, we present a deep learning
(DL)-based method for accelerated cine and multi-contrast reconstruction in the
context of dynamic cardiac imaging. We formulate the reconstruction problem as
a least squares regularized optimization task, and employ vSHARP, a
state-of-the-art DL-based inverse problem solver, which incorporates
half-quadratic variable splitting and the alternating direction method of
multipliers with neural networks. We treat the problem in two setups; a 2D
reconstruction and a 2D dynamic reconstruction task, and employ 2D and 3D deep
learning networks, respectively. Our method optimizes in both the image and
k-space domains, allowing for high reconstruction fidelity. Although the target
data is undersampled with a Cartesian equispaced scheme, we train our model
using both Cartesian and simulated non-Cartesian undersampling schemes to
enhance generalization of the model to unseen data. Furthermore, our model
adopts a deep neural network to learn and refine the sensitivity maps of
multi-coil k-space data. Lastly, our method is jointly trained on both,
undersampled cine and multi-contrast data.
- Abstract（参考訳）: 心臓MRIは心臓血管疾患の診断に有用な非侵襲的ツールである。
例えば、Cine MRIは心臓機能と解剖を評価するためのベンチマークモダリティである。
一方、マルチコントラスト(t1およびt2)マッピングは、心筋および間質の病理および異常を評価する可能性を秘めている。
しかし、自発的な呼吸保持としばしば不整脈は、MRIの遅い撮像速度と組み合わせることで、モーションアーティファクトにつながり、リアルタイムの取得画像の品質を損なう。
加速取得はダイナミックイメージングを容易にするが、エイリアスを誘発し、シネmriにおける低再構成画像品質と不正確なt1およびt2マッピング推定を引き起こす。
本研究は,MRIの高速化における関連研究に触発され,動的心イメージングの文脈において,深層学習(DL)に基づくシネ・マルチコントラスト再構成法を提案する。
本稿では,最小二乗正規化最適化タスクとして再構成問題を定式化し,半二次変数分割と乗算器の交互方向法を組み込んだ最先端dlベース逆問題解法vsharpを用いる。
2次元の動的再構成タスクと2次元の動的再構成タスクの2つの設定でこの問題を処理し,それぞれ2次元と3次元の深層学習ネットワークを利用する。
提案手法は画像領域とk空間領域の両方を最適化し,高い再構成精度を実現する。
対象データはCartesian equispaced scheme でアンサンプされるが、Cartesian とsimulated non-Cartesian undersampling scheme の両方を用いてモデルを訓練し、モデルの一般化を未確認データに拡張する。
さらに,本モデルでは,マルチコイルk空間データの感度マップを学習・洗練するために,ディープニューラルネットワークを採用している。
最後に,本手法はシネおよびマルチコントラストデータを用いて共同学習を行う。
関連論文リスト
- Deep Multi-contrast Cardiac MRI Reconstruction via vSHARP with Auxiliary Refinement Network [7.043932618116216]
本稿では,2次元動的マルチコントラスト,マルチスキーム,マルチアクセラレーションMRIの深層学習に基づく再構成手法を提案する。
提案手法は,半2乗変数分割とADMM最適化を利用した最先端のvSHARPモデルを統合する。
論文 参考訳（メタデータ） (2024-11-02T15:59:35Z) - 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。
スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。
本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
論文 参考訳（メタデータ） (2024-05-17T11:23:33Z) - 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) - Robust Depth Linear Error Decomposition with Double Total Variation and
Nuclear Norm for Dynamic MRI Reconstruction [15.444386058967579]
Compressed Sensing (CS) に基づく動的MRI k-space 再構成にはまだ問題がある。
本稿では,高アンダーサンプリングフーリエ変換(DFT)を用いた高低レート動的MRI再構成モデルを提案する。
動的MRIデータに対する実験は、再構成精度と時間複雑性の両方の観点から、優れた性能を示す。
論文 参考訳（メタデータ） (2023-10-23T13:34:59Z) - Implicit Neural Networks with Fourier-Feature Inputs for Free-breathing
Cardiac MRI Reconstruction [21.261567937245808]
本研究は、心臓を暗黙のニューラルネットワークで表現し、心臓の表現が測定値と整合するようにネットワークを適合させる再構築手法を提案する。
提案手法は,最先端の未訓練畳み込みニューラルネットワークと同等あるいはわずかに優れた画像品質を実現する。
論文 参考訳（メタデータ） (2023-05-11T14:14:30Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳（メタデータ） (2022-09-15T03:58:30Z) - Recurrent Variational Network: A Deep Learning Inverse Problem Solver
applied to the task of Accelerated MRI Reconstruction [3.058685580689605]
本稿では,MRIの高速化作業に応用した,ディープラーニングに基づく逆問題解法を提案する。
RecurrentVarNetは複数のブロックから構成されており、それぞれが逆問題を解決するための勾配降下アルゴリズムの1つのアンロール反復に責任を負っている。
提案手法は,公共のマルチチャネル脳データセットから得られた5倍および10倍の加速データに対して,定性的かつ定量的な再構築結果の新たな状態を実現する。
論文 参考訳（メタデータ） (2021-11-18T11:44:04Z) - 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) - Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural
Network [18.433956246011466]
本研究では,運動ブラスト心画像から空間的特徴と時間的特徴を同時に抽出するリカレントニューラルネットワークを提案する。
実験の結果,2つの臨床検査データセットの画質が有意に向上した。
論文 参考訳（メタデータ） (2020-06-23T01:55:57Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。