論文の概要: Investigating the use of publicly available natural videos to learn
Dynamic MR image reconstruction
- arxiv url: http://arxiv.org/abs/2311.13963v1
- Date: Thu, 23 Nov 2023 12:24:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 23:58:06.852249
- Title: Investigating the use of publicly available natural videos to learn
Dynamic MR image reconstruction
- Title（参考訳）: ダイナミックMR画像再構成学習における公開天然ビデオの利用の検討
- Authors: Olivier Jaubert, Michele Pascale, Javier Montalt-Tordera, Julius
Akesson, Ruta Virsinskaite, Daniel Knight, Simon Arridge, Jennifer Steeden,
Vivek Muthurangu
- Abstract要約: DLアーキテクチャの学習(VarNet, 3D UNet, FastDVDNet)
リアルタイムアンサンプされた動的MR画像は、心臓データと自然ビデオで訓練されたDLネットワークを用いて再構成された。
心的データを用いたDL法とナチュラルビデオで高SSIMを測定した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: To develop and assess a deep learning (DL) pipeline to learn dynamic
MR image reconstruction from publicly available natural videos (Inter4K).
Materials and Methods: Learning was performed for a range of DL architectures
(VarNet, 3D UNet, FastDVDNet) and corresponding sampling patterns (Cartesian,
radial, spiral) either from true multi-coil cardiac MR data (N=692) or from
pseudo-MR data simulated from Inter4K natural videos (N=692). Real-time
undersampled dynamic MR images were reconstructed using DL networks trained
with cardiac data and natural videos, and compressed sensing (CS). Differences
were assessed in simulations (N=104 datasets) in terms of MSE, PSNR, and SSIM
and prospectively for cardiac (short axis, four chambers, N=20) and speech
(N=10) data in terms of subjective image quality ranking, SNR and Edge
sharpness. Friedman Chi Square tests with post-hoc Nemenyi analysis were
performed to assess statistical significance.
Results: For all simulation metrics, DL networks trained with cardiac data
outperformed DL networks trained with natural videos, which outperformed CS
(p<0.05). However, in prospective experiments DL reconstructions using both
training datasets were ranked similarly (and higher than CS) and presented no
statistical differences in SNR and Edge Sharpness for most conditions.
Additionally, high SSIM was measured between the DL methods with cardiac data
and natural videos (SSIM>0.85).
Conclusion: The developed pipeline enabled learning dynamic MR reconstruction
from natural videos preserving DL reconstruction advantages such as high
quality fast and ultra-fast reconstructions while overcoming some limitations
(data scarcity or sharing). The natural video dataset, code and pre-trained
networks are made readily available on github.
Key Words: real-time; dynamic MRI; deep learning; image reconstruction;
machine learning;
- Abstract（参考訳）: 目的:公開天然ビデオ(Inter4K)から動的MR画像再構成を学習するために,ディープラーニング(DL)パイプラインの開発と評価を行う。
Materials and Methods: DLアーキテクチャ(VarNet, 3D UNet, FastDVDNet)およびそれに対応するサンプリングパターン(Cartesian, radial, spiral)について,真のマルチコイル心MRデータ(N=692)から,あるいはInter4K自然ビデオ(N=692)からシミュレーションした擬似MRデータから学習を行った。
実時間アンサンプされた動的MR画像は、心臓データと自然ビデオで訓練されたDLネットワークと圧縮センシング(CS)を用いて再構成された。
MSE, PSNR, SSIMのシミュレーション(N=104データセット)において, 心臓(短軸, 4室, N=20) と音声(N=10) の主観的画像品質ランキング, SNR, エッジシャープネスの相違について検討した。
熱後ネメニイ分析によるFriedman Chi Square試験を行い,統計的意義を検討した。
結果: 心臓データで訓練されたdlネットワークは自然ビデオで訓練されたdlネットワークを上回り, cs (p<0.05) を上回った。
しかし, 予報実験では, 両トレーニングデータセットを用いたDL再構成はCSと同等にランク付けされ, ほとんどの条件においてSNRとエッジシャープネスの統計的差異は認められなかった。
また,心臓データを用いたdl法と自然映像法(ssim>0.85)では高いssimが測定された。
結論: 開発パイプラインでは, dl再構成の利点を保ちつつ, 限界(データの不足や共有)を克服しながら, dl再構成の利点を保ちながら, 自然映像から動的mr再構成を学習できる。
自然なビデオデータセット、コード、トレーニング済みネットワークは、githubで簡単に利用できる。
キーワード:リアルタイム、ダイナミックMRI、ディープラーニング、画像再構成、機械学習
関連論文リスト
- IMJENSE: Scan-specific Implicit Representation for Joint Coil
Sensitivity and Image Estimation in Parallel MRI [11.159664312706704]
IMJENSEは、並列MRI再構成を改善するためのスキャン特異的暗黙の神経表現に基づく方法である。
IMJENSEは、MRI画像とコイル感度の強力な連続表現と共同推定により、従来の画像やk空間領域再構成アルゴリズムよりも優れた性能を発揮する。
論文 参考訳（メタデータ） (2023-11-21T07:24:11Z) - NoSENSE: Learned unrolled cardiac MRI reconstruction without explicit sensitivity maps [0.4419843514606336]
本稿では,複数のレシーバコイルを用いた加速心MRIのための新しい画像再構成法を提案する。
本手法は画像のコイル間関係を暗黙的に捉えて学習する。
提案手法は,PSNR34.89,35.56,SSIM0.920,0.942をシネトラックで達成した。
論文 参考訳（メタデータ） (2023-09-27T12:15:05Z) - 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) - Progressive Fourier Neural Representation for Sequential Video
Compilation [75.43041679717376]
連続学習によって動機づけられたこの研究は、シーケンシャルエンコーディングセッションを通じて、複数の複雑なビデオデータに対して、ニューラル暗黙表現を蓄積し、転送する方法を研究する。
本稿では,FFNR(Progressive Fourier Neural Representation)という,FFNR(Progressive Fourier Neural Representation)という,FFNR(Progressive Fourier Neural Representation)という手法を提案する。
我々は,UVG8/17とDAVIS50のビデオシーケンスベンチマークでPFNR法を検証し,強力な連続学習ベースラインよりも優れた性能向上を実現した。
論文 参考訳（メタデータ） (2023-06-20T06:02:19Z) - Spatiotemporal implicit neural representation for unsupervised dynamic
MRI reconstruction [11.661657147506519]
Inlicit Neuraltruth (INR) は逆問題を解決するための強力なDLベースのツールとして登場した。
本研究では,高度にアンサンプされたk空間データから動的MRI再構成を改善するためのINRに基づく手法を提案する。
提案したINRは、ダイナミックMRI画像を暗黙の関数として表現し、それらをニューラルネットワークにエンコードする。
論文 参考訳（メタデータ） (2022-12-31T05:43:21Z) - CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。
本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。
本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
論文 参考訳（メタデータ） (2022-06-29T15:22:01Z) - Learning Dynamic View Synthesis With Few RGBD Cameras [60.36357774688289]
本稿では,RGBDカメラを用いて動的屋内シーンのフリー視点映像を合成することを提案する。
我々は、RGBDフレームから点雲を生成し、それをニューラル機能を介して、自由視点ビデオにレンダリングする。
そこで本研究では,未完成の深度を適応的に塗布して新規なビューを描画する,シンプルなRegional Depth-Inpaintingモジュールを提案する。
論文 参考訳（メタデータ） (2022-04-22T03:17:35Z) - 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) - Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。
データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文 参考訳（メタデータ） (2020-09-01T19:17:46Z) - Deep Parallel MRI Reconstruction Network Without Coil Sensitivities [4.559089047554929]
並列MRI(pMRI)における高速画像再構成のための頑健な近位勾配スキームをデータからトレーニングした正規化関数にマッピングすることにより,新しいディープニューラルネットワークアーキテクチャを提案する。
提案するネットワークは,不完全なpMRIデータからのマルチコイル画像と均一なコントラストとを適応的に組み合わせることを学び,非線形エンコーダに渡されて画像のスパース特徴を効率的に抽出する。
論文 参考訳（メタデータ） (2020-08-04T08:39:36Z)
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。