論文の概要: Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI
- arxiv url: http://arxiv.org/abs/2311.13177v1
- Date: Wed, 22 Nov 2023 05:44:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 16:10:25.237398
- Title: Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI
- Title（参考訳）: 静的および動的 ProPELLER MRI におけるオフ共鳴アーチファクトの容積再構成
- Authors: Annesha Ghosh, Gordon Wetzstein, Mert Pilanci, Sara Fridovich-Keil
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 76.60362295758596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Off-resonance artifacts in magnetic resonance imaging (MRI) are visual
distortions that occur when the actual resonant frequencies of spins within the
imaging volume differ from the expected frequencies used to encode spatial
information. These discrepancies can be caused by a variety of factors,
including magnetic field inhomogeneities, chemical shifts, or susceptibility
differences within the tissues. Such artifacts can manifest as blurring,
ghosting, or misregistration of the reconstructed image, and they often
compromise its diagnostic quality. We propose to resolve these artifacts by
lifting the 2D MRI reconstruction problem to 3D, introducing an additional
"spectral" dimension to model this off-resonance. Our approach is inspired by
recent progress in modeling radiance fields, and is capable of reconstructing
both static and dynamic MR images as well as separating fat and water, which is
of independent clinical interest. We demonstrate our approach in the context of
PROPELLER (Periodically Rotated Overlapping ParallEL Lines with Enhanced
Reconstruction) MRI acquisitions, which are popular for their robustness to
motion artifacts. Our method operates in a few minutes on a single GPU, and to
our knowledge is the first to correct for chemical shift in gradient echo
PROPELLER MRI reconstruction without additional measurements or pretraining
data.
- Abstract（参考訳）: 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。
これらの相違は、磁場の不均一性、化学シフト、組織内の感受性の違いなど、様々な要因によって引き起こされる。
そのようなアーティファクトは、再構成された画像のぼやけ、ゴースト、または誤登録として現れ、しばしばその診断品質を損なう。
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。
我々のアプローチは、放射能場モデリングの最近の進歩にインスパイアされ、静的MRI画像と動的MR画像の両方を再構成でき、また、独立した臨床的関心を持つ脂肪と水を分離することができる。
提案手法は,運動アーチファクトに対するロバスト性が一般的であるプロペラ(周期的に重なり合う平行線と再構成された平行線)mri取得の文脈で実証する。
この手法は1つのGPU上で数分で動作し、我々の知る限り、付加的な測定や事前学習を行うことなく、勾配エコー ProPELLER MRI再構成の化学シフトを補正する最初の方法である。
関連論文リスト
- DiffCMR: Fast Cardiac MRI Reconstruction with Diffusion Probabilistic
Models [11.068359534951783]
DiffCMRは、アンダーサンプルMRI画像スライスからコンディショニング信号を知覚し、対応するフルサンプルMRI画像スライスを生成する。
我々は,MICCAI 2023 Cardiac MRI Restruction Challengeデータセットを用いたDiffCMRとT1/T2マッピングタスクの検証を行った。
その結果,本手法は従来の手法をはるかに上回り,最先端の性能を実現していることがわかった。
論文 参考訳（メタデータ） (2023-12-08T06:11:21Z) - 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) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - Diffusion Modeling with Domain-conditioned Prior Guidance for
Accelerated MRI and qMRI Reconstruction [3.083408283778178]
本研究では,ネイティブデータ領域に条件付き拡散モデルに基づく画像再構成手法を提案する。
提案手法は,特に加速係数の高い画像の再構成において,有意義な可能性を証明している。
論文 参考訳（メタデータ） (2023-09-02T01:33:50Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - 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) - 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) - An analysis of reconstruction noise from undersampled 4D flow MRI [0.0]
再建された解剖学的および血行動態像は、視覚的アーティファクトを呈する可能性がある。
本研究では,再建過程から生じるランダム摂動の理論的性質について検討する。
論文 参考訳（メタデータ） (2022-01-11T00:33:32Z) - Generative Adversarial Networks (GAN) Powered Fast Magnetic Resonance
Imaging -- Mini Review, Comparison and Perspectives [5.3148259096171175]
MRIの欠点の1つは、他の画像モダリティに比べて比較的遅いスキャンと再構成である。
ディープニューラルネットワーク(DNN)は、比較的高品質な画像を再現するスパースMRI再構成モデルに使われてきた。
画像の知覚品質を向上した高速MRIを実現するために,GAN(Generative Adversarial Networks)に基づく手法を提案する。
論文 参考訳（メタデータ） (2021-05-04T23:59:00Z) - 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)
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。