論文の概要: Partition-based K-space Synthesis for Multi-contrast Parallel Imaging
- arxiv url: http://arxiv.org/abs/2312.00387v1
- Date: Fri, 1 Dec 2023 07:17:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-04 15:31:31.992726
- Title: Partition-based K-space Synthesis for Multi-contrast Parallel Imaging
- Title（参考訳）: 分割型K空間合成によるマルチコントラスト並列イメージング
- Authors: Yuxia Huang, Zhonghui Wu, Xiaoling Xu, Minghui Zhang, Shanshan Wang
and Qiegen Liu
- Abstract要約: マルチコントラストイメージングは、より長い取得時間を持ち、モーションアーティファクトを発生させるのが容易である。
分割型k空間合成(PKS)と呼ばれる新しいマルチコントラストイメージング手法を提案する。
- 参考スコア（独自算出の注目度）: 9.065038474407725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-contrast magnetic resonance imaging is a significant and essential
medical imaging technique.However, multi-contrast imaging has longer
acquisition time and is easy to cause motion artifacts. In particular, the
acquisition time for a T2-weighted image is prolonged due to its longer
repetition time (TR). On the contrary, T1-weighted image has a shorter TR.
Therefore,utilizing complementary information across T1 and T2-weighted image
is a way to decrease the overall imaging time. Previous T1-assisted T2
reconstruction methods have mostly focused on image domain using whole-based
image fusion approaches. The image domain reconstruction method has the defects
of high computational complexity and limited flexibility. To address this
issue, we propose a novel multi-contrast imaging method called partition-based
k-space synthesis (PKS) which can achieve super reconstruction quality of
T2-weighted image by feature fusion. Concretely, we first decompose
fully-sampled T1 k-space data and under-sampled T2 k-space data into two
sub-data, separately. Then two new objects are constructed by combining the two
sub-T1/T2 data. After that, the two new objects as the whole data to realize
the reconstruction of T2-weighted image. Finally, the objective T2 is
synthesized by extracting the sub-T2 data of each part. Experimental results
showed that our combined technique can achieve comparable or better results
than using traditional k-space parallel imaging(SAKE) that processes each
contrast independently.
- Abstract（参考訳）: マルチコントラストMRIは重要な医用画像撮影技術であるが, マルチコントラスト画像の取得時間が長く, 動画像の撮影が容易である。
特に、T2強調画像の取得時間は、その長い繰り返し時間(TR)により長くなる。
一方、T1強調画像はTRが短い。
したがって、T1およびT2強調画像の相補的な情報を活用することは、全体の撮像時間を短縮する手段である。
従来のT1支援型T2再構成手法は,画像領域をベースとした画像融合手法が主流であった。
画像領域再構成法は高い計算量と限られた柔軟性の欠陥を有する。
本稿では,特徴融合によりt2強調画像の超再構成品質を実現するために,分割型k空間合成(pks)と呼ばれる新しいマルチコントラストイメージング手法を提案する。
具体的には、まず、完全サンプリングされたt1 k空間データと未サンプリングのt2 k空間データを2つのサブデータに分解する。
次に、2つのサブT1/T2データを組み合わせて2つの新しいオブジェクトを構築する。
その後、T2強調画像の再構成を実現するために、この2つの新しいオブジェクトがデータ全体である。
最後に、各部のサブT2データを抽出して目的T2を合成する。
実験結果から, コントラストを独立に処理する従来のk-space parallel imaging (SAKE) よりも, 比較あるいは良好な結果が得られた。
関連論文リスト
- LSST: Learned Single-Shot Trajectory and Reconstruction Network for MR Imaging [5.68560107897973]
本研究の目的は, (a) k-空間を測定するための軌道を最適化し, (b) 試料を減らして取得プロセスを高速化し, (c) T2-blur の影響を低減することにより, SSFSE MR 画像の再構成品質を向上させることである。
8倍と16倍の加速係数を持つ公開されている高速MRIマルチチャネルデータセットで実験を行った。
論文 参考訳（メタデータ） (2024-08-08T05:41:54Z) - Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction [54.19448988321891]
本稿では,T1重み付き画像(T1WIs)を補助モダリティとして活用し,T2WIsの取得を高速化するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
最適輸送(OT)を用いてT1WIを整列させてT2WIを合成し、クロスモーダル合成を行う。
再構成されたT2WIと合成されたT2WIがT2画像多様体に近づき、繰り返しが増加することを示す。
論文 参考訳（メタデータ） (2023-05-04T12:20:51Z) - High-fidelity Direct Contrast Synthesis from Magnetic Resonance
Fingerprinting [28.702553164811473]
本稿では,MRFデータからコントラスト強調画像を直接合成する教師あり学習手法を提案する。
In-vivo実験は、シミュレーションベースのコントラスト合成や従来のDCS法と比較して、視覚的にも定量的にも優れた画質を示す。
論文 参考訳（メタデータ） (2022-12-21T07:11:39Z) - Stereo Unstructured Magnification: Multiple Homography Image for View
Synthesis [72.09193030350396]
立体非構造倍率と呼ばれる一対の画像から一定の回転数で視線合成の問題を考察する。
固定された正規度と距離を持つシーン平面の集合からなる,新しいマルチホモグラフィ画像表現を提案する。
角度に基づくコストを導出し, 正規形状ごとのブレンディングを導出する。
論文 参考訳（メタデータ） (2022-04-01T01:39:28Z) - Transformer-empowered Multi-scale Contextual Matching and Aggregation
for Multi-contrast MRI Super-resolution [55.52779466954026]
マルチコントラスト・スーパーレゾリューション (SR) 再構成により, SR画像の高画質化が期待できる。
既存の手法では、これらの特徴をマッチングし、融合させる効果的なメカニズムが欠如している。
そこで本稿では,トランスフォーマーを利用したマルチスケールコンテキストマッチングとアグリゲーション技術を開発することで,これらの問題を解決する新しいネットワークを提案する。
論文 参考訳（メタデータ） (2022-03-26T01:42:59Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - Dual-Octave Convolution for Accelerated Parallel MR Image Reconstruction [75.35200719645283]
本稿では,実物と虚構の両方から,多次元空間周波数特徴を学習可能なDual-Octave Convolution(Dual-OctConv)を提案する。
オクターブ畳み込みによる複雑な操作を改質することで、MR画像のよりリッチな表現を捉える強力な能力を示す。
論文 参考訳（メタデータ） (2021-04-12T10:51:05Z) - Deep Simultaneous Optimisation of Sampling and Reconstruction for
Multi-contrast MRI [6.981200113164422]
一つのコントラストの最適化サンプリングパターンと再構成スキームを生成するアルゴリズムを提案する。
提案アルゴリズムはPSNRとSSIMの増大を最適サンプリングパターンで達成する。
論文 参考訳（メタデータ） (2021-03-31T00:45:58Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z) - LEARN++: Recurrent Dual-Domain Reconstruction Network for Compressed
Sensing CT [17.168584459606272]
LEARN++モデルは、2つの並列およびインタラクティブワークを統合して、画像と投影ドメインの両方で画像復元とシングラムインペインティング操作を同時に実行します。
その結果,learn++モデルは,アーティファクトの削減と細部保存の両面で,いくつかの最先端手法と比較して,競争力のある質的,定量的な結果が得られることがわかった。
論文 参考訳（メタデータ） (2020-12-13T07:00:50Z)
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。