論文の概要: Reconstruction as a service: a data space for off-site image
reconstruction in magnetic particle imaging
- arxiv url: http://arxiv.org/abs/2401.05987v1
- Date: Thu, 11 Jan 2024 15:42:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-12 13:59:04.308664
- Title: Reconstruction as a service: a data space for off-site image
reconstruction in magnetic particle imaging
- Title(参考訳): サービスとしてのリコンストラクション:磁気粒子イメージングにおけるオフサイト画像再構成のためのデータ空間
- Authors: Anselm von Gladiss, Amir Shayan Ahmadian, Jan J\"urjens
- Abstract要約: 磁気粒子イメージング(MPI)は、高時間分解能、空間分解能、感度、生体適合性のユニークな組み合わせを提供する新しい医療画像モダリティである。
MPIにおけるシステム行列(SM)に基づく画像再構成には、時間を要する手順で再構築前に膨大なキャリブレーションデータを取得する必要がある。
そのサイズのため、キャリブレーションデータの扱いは困難である。
MPIにおけるSMに基づく画像再構成の効率向上を目的としたデータ空間を提案する。
- 参考スコア(独自算出の注目度): 1.3566464121222226
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Magnetic particle imaging (MPI) is an emerging medical imaging modality which
offers a unique combination of high temporal and spatial resolution,
sensitivity and biocompatibility. For system-matrix (SM) based image
reconstruction in MPI, a huge amount of calibration data needs to be acquired
prior to reconstruction in a time-consuming procedure. Conventionally, the data
is recorded on-site inside the scanning device, which significantly limits the
time that the scanning device is available for patient care in a clinical
setting. Due to its size, handling the calibration data can be challenging. To
solve these issues of recording and handling the data, data spaces could be
used, as it has been shown that the calibration data can be measured in
dedicated devices off-site. We propose a data space aimed at improving the
efficiency of SM-based image reconstruction in MPI. The data space consists of
imaging facilities, calibration data providers and reconstruction experts. Its
specifications follow the reference architecture model of international data
spaces (IDS). Use-cases of image reconstruction in MPI are formulated. The
stakeholders and tasks are listed and mapped to the terminology of IDS. The
signal chain in MPI is analysed to identify a minimum information model which
is used by the data space.
- Abstract(参考訳): 磁気粒子イメージング(MPI)は、高時間分解能、空間分解能、感度、生体適合性のユニークな組み合わせを提供する新しい医療画像モダリティである。
MPIにおけるシステム行列(SM)に基づく画像再構成には、時間を要する手順で再構築前に膨大なキャリブレーションデータを取得する必要がある。
従来、データはスキャン装置内の現場に記録されており、臨床環境では、スキャン装置が患者医療に利用できる時間を大幅に制限する。
その大きさのため、キャリブレーションデータの処理は困難である。
データの記録と処理のこれらの問題を解決するために、データ空間が利用でき、このキャリブレーションデータはオフサイトの専用デバイスで測定可能であることが示されている。
MPIにおけるSMに基づく画像再構成の効率向上を目的としたデータ空間を提案する。
データ空間は、撮像設備、キャリブレーションデータプロバイダ、レコンストラクション専門家で構成される。
その仕様は国際データ空間(IDS)の参照アーキテクチャモデルに従っている。
MPIにおける画像再構成のユースケースを定式化する。
ステークホルダーとタスクはIDSの用語にリストされ、マッピングされます。
MPI内の信号連鎖は、データ空間で使用される最小情報モデルを特定するために分析される。
関連論文リスト
- NeRF Solves Undersampled MRI Reconstruction [1.3597551064547502]
本稿では,Neural Radiance Field(NeRF)の概念を利用したMRI技術について述べる。
ラジアルアンダーサンプリングにより、対応する撮像問題をスパースビューレンダリングデータから画像モデリングタスクに再構成することができる。
空間座標から画像強度を出力する多層パーセプトロンは、所定の測定データと所望の画像との間のMR物理駆動レンダリング関係を学習する。
論文 参考訳(メタデータ) (2024-02-20T18:37:42Z) - 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) - 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) - 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) - 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) - CAMP-Net: Consistency-Aware Multi-Prior Network for Accelerated MRI
Reconstruction [4.967600587813224]
k空間データをMRIでアンサンプすることでスキャン時間が短縮されるが、画像再構成において課題が生じる。
CAMP-Net は,MRI の高速化のためのアンロール型 Consistency-Aware Multi-Prior Network を提案する。
論文 参考訳(メタデータ) (2023-06-20T02:21:45Z) - Learned Interferometric Imaging for the SPIDER Instrument [5.65707814923407]
本稿では,SPIDER計測装置による画像再構成のための2つのデータ駆動手法を提案する。
ディープラーニングは、トレーニングデータから事前情報を学習し、再構築品質を高め、計算時間を著しく短縮するために使用される。
これらの手法は、天文画像などのトレーニングデータが不足している領域にも適用可能であることを示す。
論文 参考訳(メタデータ) (2023-01-24T19:00:03Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳(メタデータ) (2022-09-19T09:43:19Z) - Engineering AI Tools for Systematic and Scalable Quality Assessment in
Magnetic Resonance Imaging [0.0]
大きなMRIデータリポジトリの構築には、プライバシ、データサイズ、DICOMフォーマット、ロジスティクス、非標準化イメージに関する複数の課題がある。
データリポジトリの構築は難しいだけでなく、リポジトリからプールされたデータを使用することも難しい。
本稿では,大規模なMRIデータレポジトリの構築と,それらのデータレポジトリからダウンロードされたデータの利用に関する課題について述べる。
論文 参考訳(メタデータ) (2021-12-02T22:47:16Z) - Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。
近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。
本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
論文 参考訳(メタデータ) (2021-08-12T08:46:35Z) - Multi-institutional Collaborations for Improving Deep Learning-based
Magnetic Resonance Image Reconstruction Using Federated Learning [62.17532253489087]
深層学習法はmr画像再構成において優れた性能をもたらすことが示されている。
これらの方法は、高い取得コストと医療データプライバシー規制のために収集および共有が困難である大量のデータを必要とします。
我々は,異なる施設で利用可能なmrデータを活用し,患者のプライバシーを保ちながら,連合学習(fl)ベースのソリューションを提案する。
論文 参考訳(メタデータ) (2021-03-03T03:04:40Z)
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。