論文の概要: An $\ell^1$-Plug-and-Play Approach for Magnetic Particle Imaging Using a
Zero Shot Denoiser with Validation on the 3D Open MPI Dataset
- arxiv url: http://arxiv.org/abs/2401.00275v1
- Date: Sat, 30 Dec 2023 16:27:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 18:03:58.403073
- Title: An $\ell^1$-Plug-and-Play Approach for Magnetic Particle Imaging Using a
Zero Shot Denoiser with Validation on the 3D Open MPI Dataset
- Title(参考訳): 3次元オープンMPIデータセットを用いたゼロショットデノイザを用いた磁気粒子イメージングのための$\ell^1$-Plug-and-Playアプローチ
- Authors: Vladyslav Gapyak and Corinna Rentschler and Thomas M\"arz and Andreas
Weinmann
- Abstract要約: 本稿では,$ell1$-priorの汎用ゼロショットデノイザをベースとしたプラグアンドプレイ方式を提案する。
プリプロセッシングのレベルが異なる3D Open MPIデータセット上で提案したアルゴリズムスキームを定量的に定性的に評価する。
- 参考スコア(独自算出の注目度): 1.7614751781649953
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Magnetic particle imaging (MPI) is an emerging medical imaging modality which
has gained increasing interest in recent years. Among the benefits of MPI are
its high temporal resolution, and that the technique does not expose the
specimen to any kind of ionizing radiation. It is based on the non-linear
response of magnetic nanoparticles to an applied magnetic field. From the
electric signal measured in receive coils, the particle concentration has to be
reconstructed. Due to the ill-posedness of the reconstruction problem, various
regularization methods have been proposed for reconstruction ranging from early
stopping methods, via classical Tikhonov regularization and iterative methods
to modern machine learning approaches. In this work, we contribute to the
latter class: we propose a plug-and-play approach based on a generic zero-shot
denoiser with an $\ell^1$-prior. Moreover, we develop parameter selection
strategies. Finally, we quantitatively and qualitatively evaluate the proposed
algorithmic scheme on the 3D Open MPI data set with different levels of
preprocessing.
- Abstract(参考訳): 磁気粒子イメージング(mpi)は、近年注目を集めている医用画像技術である。
MPIの利点の1つは、高時間分解能であり、この技術は試料をあらゆる種類の電離放射線に曝さないことである。
磁性ナノ粒子の磁場に対する非線形応答に基づいている。
受信コイルで測定された電気信号から、粒子濃度を再構成する必要がある。
復元問題の不備から、古典的チホノフ正則化や反復的手法から現代の機械学習アプローチに至るまで、早期停止方法から様々な正規化手法が提案されている。
本研究は後者のクラスに寄与する:$\ell^1$-priorの汎用ゼロショットデノイザに基づくプラグアンドプレイアプローチを提案する。
さらに,パラメータ選択戦略を開発する。
最後に,前処理レベルの異なる3次元オープンMPIデータセットに対して,提案手法を定量的に定性的に評価する。
関連論文リスト
- 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) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - PINQI: An End-to-End Physics-Informed Approach to Learned Quantitative
MRI Reconstruction [1.5515877763861814]
定量的磁気共鳴イメージング(qMRI)は、生体物理パラメータの再現可能な測定を可能にする。
この課題は、取得した生データから所望の組織パラメーターマップを得るために、非線形で不適切な逆問題を解決することである。
我々は、信号、取得モデルに関する知識を統合した新しいqMRI再構成手法であるPINQIを提案し、単一エンドツーエンドのトレーニング可能なニューラルネットワークへの正規化を学習した。
論文 参考訳(メタデータ) (2023-06-19T15:37:53Z) - Optimization-Based Deep learning methods for Magnetic Resonance Imaging
Reconstruction and Synthesis [0.0]
この論文は、高度な非滑らかな変動モデル(Magnetic Resonance Image)MRI再構成、効率的な学習可能な画像再構成アルゴリズム、およびMRI再構成と合成のためのディープラーニング方法を提供することを目的としている。
第1部では、変動モデルのための近位勾配降下にインスパイアされたアーキテクチャを備えた、新規なディープニューラルネットワークを紹介している。
第2部は、離散時間最適フレームワークにおけるキャリブレーションフリー高速pMRI再構成問題を解くことにより、第1部における予備作業の実質的な拡張である。
第3部は、メタラーニングフレームワークにおいて、一般化可能な磁気共鳴イメージング(MRI)再構成法を開発することを目的としている。
論文 参考訳(メタデータ) (2023-03-02T18:59:44Z) - Learning the Physics of Particle Transport via Transformers [0.0]
単エネルギー陽子ビームで堆積した線量を予測するデータ駆動線量計算アルゴリズムを提案する。
提案手法は,現在の臨床解析用鉛筆法よりも33倍高速である。
我々のモデルは、これまでリアルタイム適応プロトン処理を禁止してきた大きな障害を克服する可能性がある。
論文 参考訳(メタデータ) (2021-09-08T22:26:03Z) - 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) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳(メタデータ) (2020-12-07T09:27:16Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z) - Deep image prior for 3D magnetic particle imaging: A quantitative
comparison of regularization techniques on Open MPI dataset [2.2366638308792735]
MPIは、医療応用の可能性を継続的に増加させている。
これらの応用における性能向上の前提条件は、画像再構成問題に対する適切な解法である。
本稿では,ディープニューラルネットワークによる解の表現を基盤とした,より深い画像に基づく新しい再構成手法について検討する。
論文 参考訳(メタデータ) (2020-07-03T10:13:10Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳(メタデータ) (2020-03-15T23:07:56Z) - Single-spin scanning magnetic microscopy with radial basis function
reconstruction algorithm [21.678442505821835]
磁気共鳴周波数を追跡することにより,ミリスラ磁場を撮像する手法を提案する。
放射基底関数アルゴリズムを用いて、輪郭線から磁場を再構成する。
提案手法は, 最大磁場勾配が0.86mT/ピクセルであった。
論文 参考訳(メタデータ) (2020-02-27T10:33:23Z)
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。