論文の概要: High-Resolution Reference Image Assisted Volumetric Super-Resolution of
Cardiac Diffusion Weighted Imaging
- arxiv url: http://arxiv.org/abs/2310.20389v1
- Date: Tue, 31 Oct 2023 12:05:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 15:18:55.626467
- Title: High-Resolution Reference Image Assisted Volumetric Super-Resolution of
Cardiac Diffusion Weighted Imaging
- Title（参考訳）: 心臓拡散強調画像の高分解能基準画像による体積超解像
- Authors: Yinzhe Wu, Jiahao Huang, Fanwen Wang, Pedro Ferreira, Andrew Scott,
Sonia Nielles-Vallespin, Guang Yang
- Abstract要約: DT-CMRの最近の研究は、心臓のミクロ構造が健康な心臓のマクロ機能とどのように関連しているかを理解することを目的としている。
DWIの信号対雑音比が低いため、標準のボクセルサイズはマイクロ構造において非常に大きい。
本研究では,高分解能b0 DWIの付加モデル入力によるボリューム超解像を実現するための新しい枠組みを提案する。
- 参考スコア（独自算出の注目度）: 4.063276719206457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion Tensor Cardiac Magnetic Resonance (DT-CMR) is the only in vivo
method to non-invasively examine the microstructure of the human heart. Current
research in DT-CMR aims to improve the understanding of how the cardiac
microstructure relates to the macroscopic function of the healthy heart as well
as how microstructural dysfunction contributes to disease. To get the final
DT-CMR metrics, we need to acquire diffusion weighted images of at least 6
directions. However, due to DWI's low signal-to-noise ratio, the standard voxel
size is quite big on the scale for microstructures. In this study, we explored
the potential of deep-learning-based methods in improving the image quality
volumetrically (x4 in all dimensions). This study proposed a novel framework to
enable volumetric super-resolution, with an additional model input of
high-resolution b0 DWI. We demonstrated that the additional input could offer
higher super-resolved image quality. Going beyond, the model is also able to
super-resolve DWIs of unseen b-values, proving the model framework's
generalizability for cardiac DWI superresolution. In conclusion, we would then
recommend giving the model a high-resolution reference image as an additional
input to the low-resolution image for training and inference to guide all
super-resolution frameworks for parametric imaging where a reference image is
available.
- Abstract（参考訳）: Diffusion Tensor Cardiac Magnetic Resonance (DT-CMR) は、ヒト心臓の微細構造を非侵襲的に観察する唯一の方法である。
dt-cmrの最近の研究は、心臓の微細構造が健康な心臓の巨視的機能とどのように関連しているかの理解を改善することを目的としている。
DT-CMRの最終的な測定値を得るためには,少なくとも6方向の拡散重み付き画像を取得する必要がある。
しかし、DWIの低信号-雑音比のため、標準のボクセルサイズはマイクロ構造において非常に大きい。
本研究では,深層学習による画像品質改善の可能性について検討した(全次元x4)。
本研究では,高分解能b0 DWIの付加モデル入力によるボリューム超解像を実現するための新しい枠組みを提案する。
追加入力によって高画質の画像が得られることを示した。
さらにこのモデルでは、見えないb値のDWIを超解して、心臓のDWI超解像に対するモデルフレームワークの一般化性を証明している。
結論として,モデルを低解像度画像に追加入力として高分解能参照画像を与え,トレーニングと推論を行い,参照画像が利用可能なパラメトリックイメージングのためのすべての超解像度フレームワークをガイドすることを推奨する。
関連論文リスト
- A Flow-based Truncated Denoising Diffusion Model for Super-resolution Magnetic Resonance Spectroscopic Imaging [34.32290273033808]
本研究は,超高分解能MRSIのためのフローベースTrncated Denoising Diffusion Modelを導入する。
拡散鎖を切断することで拡散過程を短縮し, 正規化フローベースネットワークを用いて切断工程を推定する。
FTDDMは既存の生成モデルよりも優れており、サンプリングプロセスを9倍以上高速化している。
論文 参考訳（メタデータ） (2024-10-25T03:42:35Z) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。
我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文 参考訳（メタデータ） (2024-04-15T02:41:55Z) - Resolution- and Stimulus-agnostic Super-Resolution of Ultra-High-Field Functional MRI: Application to Visual Studies [1.8327547104097965]
高分解能fMRIは脳のメソスケール組織への窓を提供する。
しかし、高い空間分解能はスキャン時間を増加させ、低信号とコントラスト-ノイズ比を補う。
本研究では,fMRIのための深層学習に基づく3次元超解像法を提案する。
論文 参考訳（メタデータ） (2023-11-25T03:33:36Z) - Implicit Diffusion Models for Continuous Super-Resolution [65.45848137914592]
本稿では,高忠実度連続画像超解像のためのインプリシティ拡散モデル(IDM)を提案する。
IDMは暗黙のニューラル表現とデノナイジング拡散モデルを統合されたエンドツーエンドフレームワークに統合する。
スケーリング係数は分解能を調節し、最終出力におけるLR情報と生成された特徴の比率を変調する。
論文 参考訳（メタデータ） (2023-03-29T07:02:20Z) - CuNeRF: Cube-Based Neural Radiance Field for Zero-Shot Medical Image Arbitrary-Scale Super Resolution [78.734927709231]
医用画像任意スケール超解像 (MIASSR) が最近注目され, 任意のスケールの医用ボリュームを単一モデルで超高精細化することを目指している。
連続領域における任意のスケールで医用画像が得られるゼロショットMIASSRフレームワークCuNeRFを提案する。
論文 参考訳（メタデータ） (2023-03-28T18:36:19Z) - Rethinking Degradation: Radiograph Super-Resolution via AID-SRGAN [9.599347633285635]
超解像超解像のための医療用 AttentIon Denoising Super Resolution Generative Adversarial Network (AID-SRGAN) を提案する。
我々の知る限りでは、これがX線画像に初めて提案された複合劣化モデルである。
提案手法はPSNRの311.90ドル,スケール係数は4倍であり,近年の成果よりも7.05%高い。
論文 参考訳（メタデータ） (2022-08-05T06:54:44Z) - Joint Motion Correction and Super Resolution for Cardiac Segmentation
via Latent Optimisation [18.887520377396925]
心臓画像分割のための動作補正と超解像を共同で行う新しい潜在最適化フレームワークを提案する。
2つの心MRデータセットの実験により、提案手法は最先端の超解像法に匹敵する高い性能を達成することが示された。
論文 参考訳（メタデータ） (2021-07-08T15:14:00Z) - ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep
learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。
ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文 参考訳（メタデータ） (2021-02-25T14:52:23Z) - Efficient and Phase-aware Video Super-resolution for Cardiac MRI [23.5319835123499]
我々は,CMRビデオの超解像問題を解決するために,新しいエンドツーエンドのトレーニング可能なネットワークを提案する。
心的知識をモデルに組み込んで時間的情報の利用を支援する。
論文 参考訳（メタデータ） (2020-05-21T13:29:03Z)
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。