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: 翻訳完了
• 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
• 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

• TRACE: Two-Stage Detector-Response Estimation With Angular Cosine Expansion for Ring Artifact Correction in Photon-Counting CT [6.233080873816754]
  検出器応答不均一性は、光子計数検出器CT(PCD-CT)における系統的プロジェクションエラーとリングアーティファクトをもたらす 応答関連誤りを推定・修正するための2段階の教師なし非教師付きシングラム分解法であるTRACEを提案する。 QRMマウスファントムとブタのトロッターデータを用いて実験したところ、TRACEはリングアーティファクトを抑え、エッジシャープネス、ソフトテクスチャ、トラベクチャディテールを保ちながら画像の均一性を向上することがわかった。
  論文  参考訳（メタデータ） (2026-09-14T16:31:32Z)
• Differentiable Jitter Correction using Deep Learning-based Image Quality Metric for Phase-Contrast Micro-CT [1.5163040007517543]
  本稿では,X線位相コントラストマイクロCTのためのジッタ補正法を提案する。 取得した投影データから直接、投射ごとの剛体ジッタを推定し、補償するディープラーニングベースの画像品質指標を使用する。 集積パイプラインはジッタによって失われた微細構造の詳細を確実に回収し、形態学的に異なるサンプル間で一般化を実証した。
  論文  参考訳（メタデータ） (2026-08-27T12:22:02Z)
• Distortion-Corrected Diffusion MRI Using Rotated-View EPI and Joint Field-Map/Image Estimation with Gaussian Primitives [19.637125108820783]
  Echo Planar Imaging (EPI) は拡散と機能的ニューロイメージングの標準的な取得技術である。 EPI補正法は、まず並列画像を用いて歪んだ画像を再構成し、次にB0フィールドを推定し、画像領域の歪みを補正する。 k空間データから直接B0フィールドと歪みのない画像を共同で推定する物理インフォームド・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-30T11:33:19Z)
• Unsupervised Susceptibility Distortion Correction of EPI without Calibration Scans via Image Translation-Based Registration [2.2344764434954256]
  機能的磁気共鳴イメージング(fMRI)は、エコープラナーイメージング(EPI)を用いて、高時間分解能の血液酸素レベル依存(BOLD)信号をキャプチャする。 EPIは本質的に磁場の不均一性に敏感であり、相エンコーディング(PE)方向に沿った感受性による幾何歪みをもたらす。 SACREDは、画像翻訳に基づく登録により幾何歪みを補正するキャリブレーション・スキャンフリー・サセプティビリティ・歪み補正フレームワークである。
  論文  参考訳（メタデータ） (2026-06-19T16:44:19Z)
• Rethinking Feature Alignment in Generalist Graph Anomaly Detection: A Relational Fingerprint-based Approach [60.199985286210904]
  Generalist Graph Anomaly Detection (GAD)は、グラフ固有のリトレーニングなしで、見えないグラフ上の異常を検出することを目的としている。 既存のアプローチは主に、異なる機能セマンティクスを無視したドメイン間の異種データの整合性に焦点を当てている。 We propose Fingerprint-based generalist GAD approach (ReFi-GAD)。 ReFi-GADは14のデータセットの実験において,最先端の手法よりも有意に優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-25T05:12:26Z)
• Analytical Modeling and Correction of Distance Error in Homography-Based Ground-Plane Mapping [0.0]
  本稿では,ホモグラフィの摂動と結果として生じる距離誤差との明確な関係を導出し,その誤差がカメラからの距離とほぼ2次的に増加することを示す。 1900万以上のサンプルを用いた大規模シミュレーション実験では、モデルが確実に装着された場合、回帰がより高いピーク精度を達成することが示されている。 このことは、幾何キャリブレーションの改善が、多くの実用システムにおいてモデル複雑性を増大させるよりも大きな性能向上をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2026-04-12T20:33:09Z)
• TG-Field: Geometry-Aware Radiative Gaussian Fields for Tomographic Reconstruction [16.246538335191982]
  Tomography Geometry Field (TG-Field) は、CT再構成のための幾何学的なガウス変形フレームワークである。 TG-Fieldは既存の手法を常に上回り、高度にスパース・ビュー条件下で最先端の復元精度を達成する。
  論文  参考訳（メタデータ） (2026-02-12T08:33:01Z)
• Radioactive 3D Gaussian Ray Tracing for Tomographic Reconstruction [10.822437634828303]
  R2-Gaussianは3DGSパラダイムをトモグラフィー再構成に拡張した。 3次元ガウス線トレーシングに基づくトモグラフィ再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T06:53:42Z)
• Simulating Sinogram-Domain Motion and Correcting Image-Domain Artifacts Using Deep Learning in HR-pQCT Bone Imaging [0.0]
  HR-pQCT画像における動きアーティファクトをシミュレートするために,従来のシノグラムに基づく手法を最適化する。 本研究では,実世界(ターゲット)データセットと実世界(ターゲット)データセットの両方の動作成果物を扱うために,エッジ強化型自己注意型ワッサースタイン生成適応ネットワーク(ESWGAN-GP)を提案する。
  論文  参考訳（メタデータ） (2025-09-13T19:43:05Z)
• 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。