Fugu-MT 論文翻訳(概要): GDCNet: Calibrationless geometric distortion correction of echo planar imaging data using deep learning

論文の概要: GDCNet: Calibrationless geometric distortion correction of echo planar imaging data using deep learning

arxiv url: http://arxiv.org/abs/2402.18777v1
Date: Thu, 29 Feb 2024 00:42:33 GMT
ステータス: 処理完了
システム内更新日: 2024-03-01 16:33:26.615938
Title: GDCNet: Calibrationless geometric distortion correction of echo planar imaging data using deep learning
Title（参考訳）: gdcnet:深層学習によるエコー平面画像データのキャリブレーションレス幾何歪み補正
Authors: Marina Manso Jimeno, Keren Bachi, George Gardner, Yasmin L. Hurd, John Thomas Vaughan Jr., Sairam Geethanath
Abstract要約: この研究はGDCNetと呼ばれる新しいアプローチを実装し、T1重み付き解剖画像への非線形登録により幾何学的歪みマップを推定する。 GDCNetモデルは、予測データセットのTOPUPよりも14倍高速な処理速度を達成した。
参考スコア（独自算出の注目度）: 0.1398098625978622
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Functional magnetic resonance imaging techniques benefit from echo-planar imaging's fast image acquisition but are susceptible to inhomogeneities in the main magnetic field, resulting in geometric distortion and signal loss artifacts in the images. Traditional methods leverage a field map or voxel displacement map for distortion correction. However, voxel displacement map estimation requires additional sequence acquisitions, and the accuracy of the estimation influences correction performance. This work implements a novel approach called GDCNet, which estimates a geometric distortion map by non-linear registration to T1-weighted anatomical images and applies it for distortion correction. GDCNet demonstrated fast distortion correction of functional images in retrospectively and prospectively acquired datasets. Among the compared models, the 2D self-supervised configuration resulted in a statistically significant improvement to normalized mutual information between distortion-corrected functional and T1-weighted images compared to the benchmark methods FUGUE and TOPUP. Furthermore, GDCNet models achieved processing speeds 14 times faster than TOPUP in the prospective dataset.
Abstract（参考訳）: 機能的磁気共鳴イメージング技術は、エコープラナーイメージングの高速画像取得の恩恵を受けるが、主磁場の不均一性に影響を受け、画像の幾何学的歪みと信号損失アーティファクトが生じる。従来の手法では、歪み補正のためにフィールドマップやボクセル変位マップを利用する。しかし、ボクセル変位マップ推定には追加のシーケンス取得が必要であり、その推定精度が補正性能に影響を及ぼす。この研究はGDCNetと呼ばれる新しいアプローチを実装し、T1重み付き解剖画像への非線形登録により幾何学的歪み写像を推定し、歪み補正に応用する。 GDCNetは、振り返りおよび将来的なデータセットにおける機能画像の高速歪み補正を実証した。比較モデルのうち,2次元自己監督構成は,FUGUEやTOPUPと比較して,歪み補正機能とT1重み付き画像間の正規化相互情報に対して統計的に有意な改善をもたらした。さらに、GDCNetモデルは、予測データセットのTOPUPよりも14倍高速な処理速度を達成した。

関連論文リスト

3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
論文参考訳（メタデータ） (2024-11-01T12:50:38Z)
Forgery-aware Adaptive Transformer for Generalizable Synthetic Image Detection [106.39544368711427]
本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
論文参考訳（メタデータ） (2023-12-27T17:36:32Z)
PtychoDV: Vision Transformer-Based Deep Unrolling Network for Ptychographic Image Reconstruction [12.780951605821238]
PtychoDVは、効率的で高品質な画像再構成のために設計された、新しいディープモデルベースのネットワークである。シミュレーションデータの結果,PtychoDVは既存のディープラーニング手法よりも優れていることが示された。
論文参考訳（メタデータ） (2023-10-11T14:01:36Z)
Geometric Constraints Enable Self-Supervised Sinogram Inpainting in Sparse-View Tomography [7.416898042520079]
スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。本研究は、勾配に基づく最適化により、欠落した射影ビューを最適化する自己教師付きプロジェクションインペインティング法を提案する。
論文参考訳（メタデータ） (2023-02-13T15:15:18Z)
Adapting the Hypersphere Loss Function from Anomaly Detection to Anomaly Segmentation [1.9458156037869137]
完全畳み込みデータ記述(FCDD)の漸進的改善を提案する。 FCDDは、異常検出から画像異常セグメンテーション(すなわち異常局在)への一級分類アプローチの適応である我々は、元の損失関数を解析し、前任のハイパースフィア(HSC)によく似た代替関数を提案する。
論文参考訳（メタデータ） (2023-01-23T18:06:35Z)
Curvature regularization for Non-line-of-sight Imaging from Under-sampled Data [5.591221518341613]
非視線イメージング(NLOS)は、視線で測定されたデータから3次元の隠れたシーンを再構築することを目的としている。曲率正規化に基づく新しいNLOS再構成モデルを提案する。提案したアルゴリズムを,合成データセットと実データセットの両方で評価する。
論文参考訳（メタデータ） (2023-01-01T14:10:43Z)
GradViT: Gradient Inversion of Vision Transformers [83.54779732309653]
我々は,視力変換器(ViT)の勾配に基づく逆攻撃に対する脆弱性を実証する。自然に見える画像にランダムノイズを最適化するGradViTという手法を提案する。元の(隠された)データに対する前例のない高い忠実さと近接性を観察する。
論文参考訳（メタデータ） (2022-03-22T17:06:07Z)
Wide-angle Image Rectification: A Survey [86.36118799330802]
広角画像は、基礎となるピンホールカメラモデルに反する歪みを含む。これらの歪みを補正することを目的とした画像修正は、これらの問題を解決することができる。本稿では、異なるアプローチで使用されるカメラモデルについて、詳細な説明と議論を行う。次に,従来の幾何学に基づく画像修正手法と深層学習法の両方について検討する。
論文参考訳（メタデータ） (2020-10-30T17:28:40Z)
Hyperspectral Anomaly Change Detection Based on Auto-encoder [40.32592332449066]
ハイパースペクトル異常変化検出(HACD)は、ハイパースペクトル画像(HSI)間の小さいが重要な異常変化を見つけるのに役立つ本稿では,自動エンコーダ(ACDA)に基づく独自のHACDアルゴリズムを提案し,非線形解を提案する。実験の結果は、"Viareggio 2013"データセットで、従来の手法よりも効率と優越性を実証している。
論文参考訳（メタデータ） (2020-10-27T08:07:08Z)
A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
論文参考訳（メタデータ） (2020-07-21T10:03:42Z)
Data Consistent CT Reconstruction from Insufficient Data with Learned Prior Images [70.13735569016752]
偽陰性病変と偽陽性病変を呈示し,CT画像再構成における深層学習の堅牢性について検討した。本稿では,圧縮センシングと深層学習の利点を組み合わせた画像品質向上のためのデータ一貫性再構築手法を提案する。提案手法の有効性は,円錐ビームCTにおいて,トランキャットデータ,リミテッドアングルデータ,スパースビューデータで示される。
論文参考訳（メタデータ） (2020-05-20T13:30:49Z)

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。