論文の概要: Spatio-temporal reconstruction of substance dynamics using compressed
sensing in multi-spectral magnetic resonance spectroscopic imaging
- arxiv url: http://arxiv.org/abs/2403.00402v1
- Date: Fri, 1 Mar 2024 09:46:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-05 17:47:03.170309
- Title: Spatio-temporal reconstruction of substance dynamics using compressed
sensing in multi-spectral magnetic resonance spectroscopic imaging
- Title（参考訳）: multi-spectral magnetic resonance spectroscopic imagingにおける圧縮センシングによる物質動態の時空間的再構成
- Authors: Utako Yamamoto, Hirohiko Imai, Kei Sano, Masayuki Ohzeki, Tetsuya
Matsuda and Toshiyuki Tanaka
- Abstract要約: 本研究の目的は、MRSI(Multi-spectral magnetic resonance imaging)データから高時間分解能の複数の物質をin vivoで観察することである。
- 参考スコア（独自算出の注目度）: 4.784326786161368
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The objective of our study is to observe dynamics of multiple substances in
vivo with high temporal resolution from multi-spectral magnetic resonance
spectroscopic imaging (MRSI) data. The multi-spectral MRSI can effectively
separate spectral peaks of multiple substances and is useful to measure spatial
distributions of substances. However it is difficult to measure time-varying
substance distributions directly by ordinary full sampling because the
measurement requires a significantly long time. In this study, we propose a
novel method to reconstruct the spatio-temporal distributions of substances
from randomly undersampled multi-spectral MRSI data on the basis of compressed
sensing (CS) and the partially separable function model with base spectra of
substances. In our method, we have employed spatio-temporal sparsity and
temporal smoothness of the substance distributions as prior knowledge to
perform CS. The effectiveness of our method has been evaluated using phantom
data sets of glass tubes filled with glucose or lactate solution in increasing
amounts over time and animal data sets of a tumor-bearing mouse to observe the
metabolic dynamics involved in the Warburg effect in vivo. The reconstructed
results are consistent with the expected behaviors, showing that our method can
reconstruct the spatio-temporal distribution of substances with a temporal
resolution of four seconds which is extremely short time scale compared with
that of full sampling. Since this method utilizes only prior knowledge
naturally assumed for the spatio-temporal distributions of substances and is
independent of the number of the spectral and spatial dimensions or the
acquisition sequence of MRSI, it is expected to contribute to revealing the
underlying substance dynamics in MRSI data already acquired or to be acquired
in the future.
- Abstract（参考訳）: 本研究の目的は、多スペクトル磁気共鳴分光画像(MRSI)データから高時間分解能の複数の物質をin vivoで観察することである。
多スペクトルMRSIは、複数の物質のスペクトルピークを効果的に分離することができ、物質の空間分布を測定するのに有用である。
しかし, 測定に要する時間が長いため, 経時変化物質分布を通常のフルサンプリングで直接測定することは困難である。
本研究では, ランダムにアンサンプされたマルチスペクトルMRSIデータから, 物質の時空間分布を圧縮センシング(CS)と, 物質の基底スペクトルを用いた部分分離関数モデルに基づいて再構成する手法を提案する。
提案手法では, csを行うための事前知識として, 時空間的スパース性と物質分布の時間的平滑さを用いた。
本法の有効性は, グルコースまたは乳酸溶液を充填したガラス管のファントムデータセットと, 腫瘍を有するマウスの動物データセットを用いて評価し, ワーブルグ効果に関与する代謝動態をin vivoで観察した。
その結果,本手法は時間分解能4秒の物質の時空間分布を全サンプリングに比べて非常に短い時間スケールで再現できることがわかった。
本手法は, 物質の時空間分布に自然に仮定される事前知識のみを利用し, スペクトル次元や空間次元の個数やMRSIの取得順序に依存しないため, MRSIデータの基盤となる物質動態を明らかにすることに寄与することが期待される。
関連論文リスト
- Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。
本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。
我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文 参考訳（メタデータ） (2024-10-03T09:07:13Z) - Certifying Quantum Temporal Correlation via Randomized Measurements: Theory and Experiment [4.83663467727187]
擬似密度行列(PDM)を用いた時間量子相関の証明について考察する。
PDMは時間領域への密度行列の拡張であり、負の固有値は時間相関の重要な指標である。
我々は,PDMを1つの時間スライス内で仮想的に準備することで,時間的相関検出のための効率的なプロトコルを開発した。
論文 参考訳（メタデータ） (2024-09-04T06:40:42Z) - Simultaneous q-Space Sampling Optimization and Reconstruction for Fast
and High-fidelity Diffusion Magnetic Resonance Imaging [13.002583920505579]
我々は,q空間サンプリング最適化と再構成の同時フレームワークであるSSORを提案する。
我々は、球面調和関数の連続表現と再構成ネットワークを用いて、q空間サンプルのサブセットを共同で最適化する。
拡散磁気共鳴イメージング(dMRI)のユニークな特性を,$l1$-normと全変分正規化を適用して,q領域と画像領域の両方に集積する。
論文 参考訳（メタデータ） (2024-01-03T10:47:20Z) - Diffusion Probabilistic Model Made Slim [128.2227518929644]
軽量画像合成のためのスリム拡散確率モデル(DPM)のカスタマイズ設計を提案する。
一連の条件および非条件画像生成タスクにおける遅延拡散モデルと比較して,計算複雑性を8-18倍に削減する。
論文 参考訳（メタデータ） (2022-11-27T16:27:28Z) - Unraveling Time- and Frequency-Resolved Nuclear Resonant Scattering
Spectra [0.0]
M"オスバウアー核は、硬X線エネルギーにおける量子光学、分光、ダイナミクスのための有望なプラットフォームを形成する。
我々は時間・周波数分解型核共鳴散乱スペクトルの分光法と解析法を開発した。
論文 参考訳（メタデータ） (2022-10-18T13:31:12Z) - Spatio-temporally separable non-linear latent factor learning: an
application to somatomotor cortex fMRI data [0.0]
潜在因子の脳全体の発見が可能なfMRIデータのモデルについて検討する。
空間重み付けを効率化するための新しい手法は、データの高次元性とノイズの存在に対処するために重要である。
本手法は,複数のモーターサブタスクを用いたデータを用いて,モデルが各サブタスクに対応する非絡み合った潜在因子を捕捉するかどうかを評価する。
論文 参考訳（メタデータ） (2022-05-26T21:30:22Z) - Provable RL with Exogenous Distractors via Multistep Inverse Dynamics [85.52408288789164]
実世界の強化学習(RL)の応用は、メガピクセルカメラから生成されたような高次元の観察にエージェントが対処する必要がある。
従来の研究は表現学習でこのような問題に対処しており、エージェントは生の観察から内因性、潜伏状態の情報を確実に抽出することができる。
しかし、このような手法は観測において時間的に相関するノイズの存在下では失敗する可能性がある。
論文 参考訳（メタデータ） (2021-10-17T15:21:27Z) - Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。
1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。
ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
論文 参考訳（メタデータ） (2021-05-27T18:00:02Z) - 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) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。