Fugu-MT 論文翻訳(概要): NLCG-Net: A Model-Based Zero-Shot Learning Framework for Undersampled Quantitative MRI Reconstruction

論文の概要: NLCG-Net: A Model-Based Zero-Shot Learning Framework for Undersampled Quantitative MRI Reconstruction

arxiv url: http://arxiv.org/abs/2401.12004v1
Date: Mon, 22 Jan 2024 14:53:21 GMT
ステータス: 処理完了
システム内更新日: 2024-01-23 13:48:59.024175
Title: NLCG-Net: A Model-Based Zero-Shot Learning Framework for Undersampled Quantitative MRI Reconstruction
Title（参考訳）: NLCG-Net: 定量的MRI再構成のためのモデルベースゼロショット学習フレームワーク
Authors: Xinrui Jiang, Yohan Jun, Jaejin Cho, Mengze Gao, Xingwang Yong, Berkin Bilgic
Abstract要約: モデルベースT2/T1推定のための共役勾配(NLCG)を提案する。このエンド・ツー・エンド法は、ゼロショットスキャン特異的ニューラルネットワーク正規化を用いた単例信号モデリングを用いて、アンダーサンプルk空間データからqMRIマップを直接推定し、高い忠実度T1およびT2マッピングを実現する。
参考スコア（独自算出の注目度）: 5.964779375520257
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Typical quantitative MRI (qMRI) methods estimate parameter maps after image reconstructing, which is prone to biases and error propagation. We propose a Nonlinear Conjugate Gradient (NLCG) optimizer for model-based T2/T1 estimation, which incorporates U-Net regularization trained in a scan-specific manner. This end-to-end method directly estimates qMRI maps from undersampled k-space data using mono-exponential signal modeling with zero-shot scan-specific neural network regularization to enable high fidelity T1 and T2 mapping. T2 and T1 mapping results demonstrate the ability of the proposed NLCG-Net to improve estimation quality compared to subspace reconstruction at high accelerations.
Abstract（参考訳）: 典型的な定量的MRI(qMRI)法は、画像再構成後のパラメータマップを推定する。本稿では,モデルベースt2/t1推定のための非線形共役勾配(nlcg)オプティマイザを提案する。このエンド・ツー・エンド法は、ゼロショットスキャン特異的ニューラルネットワーク正規化を用いた単例信号モデリングを用いて、アンダーサンプルk空間データからqMRIマップを直接推定し、高い忠実度T1およびT2マッピングを実現する。 t2 と t1 マッピングの結果,高加速時の部分空間再構成と比較して,提案する nlcg-net による推定精度の向上が示された。

関連論文リスト

qMRI Diffuser: Quantitative T1 Mapping of the Brain using a Denoising Diffusion Probabilistic Model [1.1278063431495107]
定量的MRI(qMRI)は、組織特性に関連する客観的パラメータを提供することにより、重み付け画像よりも大きな利点を提供する。深層学習に基づく手法は、一連の重み付き画像から定量的マップを推定する効果を実証している。深部生成モデルを用いたqMRIの新しい手法であるqMRIディフューザを提案する。
論文参考訳（メタデータ） (2024-07-23T13:49:19Z)
INFusion: Diffusion Regularized Implicit Neural Representations for 2D and 3D accelerated MRI reconstruction [0.0]
Inlicit Neural Representations (INRs) は、MRI(MRI)の取得を加速するための学習ベースのアプローチである。本研究は、アンダーサンプルMR測定からINRの最適化を規則化する手法であるINFusionを提案する。また,大規模な3次元MRデータセットにINRを適用可能な拡散正則化を用いたハイブリッド3次元アプローチを提案する。
論文参考訳（メタデータ） (2024-06-19T23:51:26Z)
Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
論文参考訳（メタデータ） (2023-06-05T22:09:06Z)
PUERT: Probabilistic Under-sampling and Explicable Reconstruction Network for CS-MRI [47.24613772568027]
圧縮センシングMRI(Compressed Sensing MRI)は,k空間データをサンプリングし,MRI画像の高速化を目的とする。本稿では,サンプリングパターンと再構成ネットワークを協調的に最適化するために,PUERTと呼ばれる新しいエンドツーエンドの確率的アンダーサンプリングと明示的再構成neTworkを提案する。 2つの広く利用されているMRIデータセットの実験により、提案したPUERTは、定量的な測定値と視覚的品質の両方の観点から、最先端の結果が得られることを示した。
論文参考訳（メタデータ） (2022-04-24T04:23:57Z)
Accurate parameter estimation using scan-specific unsupervised deep learning for relaxometry and MR fingerprinting [1.233122988113145]
緩和パラメータ推定のための教師なし畳み込みニューラルネットワーク(CNN)を提案する。このネットワークは、隣接するボクセル間の残留学習と空間関係を利用して、信号緩和とブロッホシミュレーションを取り入れている。
論文参考訳（メタデータ） (2021-12-07T16:45:21Z)
Fast T2w/FLAIR MRI Acquisition by Optimal Sampling of Information Complementary to Pre-acquired T1w MRI [52.656075914042155]
本稿では,MRIによる他のモダリティ獲得のためのアンダーサンプリングパターンを最適化するための反復的フレームワークを提案する。公開データセット上で学習したアンダーサンプリングパターンの優れた性能を実証した。
論文参考訳（メタデータ） (2021-11-11T04:04:48Z)
Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
論文参考訳（メタデータ） (2021-10-20T06:15:45Z)
Self-Learning for Received Signal Strength Map Reconstruction with Neural Architecture Search [63.39818029362661]
ニューラルアーキテクチャサーチ(NAS)と受信信号強度(RSS)マップ再構築のための自己学習に基づくモデルを提案する。このアプローチは、まず最適なNNアーキテクチャを見つけ、与えられた(RSS)マップの地上実測値に対して同時に推論モデルを訓練する。実験結果から,この第2モデルの信号予測は,非学習に基づく最先端技術や,アーキテクチャ探索を伴わないNNモデルよりも優れていた。
論文参考訳（メタデータ） (2021-05-17T12:19:22Z)
Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文参考訳（メタデータ） (2020-10-05T14:18:52Z)
Momentum-Net for Low-Dose CT Image Reconstruction [13.084578404699172]
本稿では,低線量X線CT(LDCT)画像再構成に適したモデルを用いて,最近の高速反復型ニューラルネットワークフレームワークであるMomentum-Netを適用した。提案したMomentum-Netアーキテクチャは,NN, WavResNet (LDCT) のような最先端の非定性画像よりも画像再構成精度が大幅に向上することを示す。また,非拡張的NN特性を満たすため,画像修正NN学習に適用するスペクトル正規化手法についても検討した。
論文参考訳（メタデータ） (2020-02-27T10:26:22Z)

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。