Fugu-MT 論文翻訳(概要): Spatiotemporal Diffusion Model with Paired Sampling for Accelerated Cardiac Cine MRI

論文の概要: Spatiotemporal Diffusion Model with Paired Sampling for Accelerated Cardiac Cine MRI

arxiv url: http://arxiv.org/abs/2403.08758v1
Date: Wed, 13 Mar 2024 17:56:12 GMT
ステータス: 処理完了
システム内更新日: 2024-03-14 13:07:13.950519
Title: Spatiotemporal Diffusion Model with Paired Sampling for Accelerated Cardiac Cine MRI
Title（参考訳）: 加速のためのペアサンプリングによる時空間拡散モデル心臓洞MRI
Authors: Shihan Qiu, Shaoyan Pan, Yikang Liu, Lin Zhao, Jian Xu, Qi Liu, Terrence Chen, Eric Z. Chen, Xiao Chen, Shanhui Sun
Abstract要約: 加速MRIにおける近年の深層学習再建は,空間的および時間的ぼかしに悩まされている。ペアサンプリング方式は, 生成結果において, 人工雑音を大幅に低減する。
参考スコア（独自算出の注目度）: 20.86718191599198
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Current deep learning reconstruction for accelerated cardiac cine MRI suffers from spatial and temporal blurring. We aim to improve image sharpness and motion delineation for cine MRI under high undersampling rates. A spatiotemporal diffusion enhancement model conditional on an existing deep learning reconstruction along with a novel paired sampling strategy was developed. The diffusion model provided sharper tissue boundaries and clearer motion than the original reconstruction in experts evaluation on clinical data. The innovative paired sampling strategy substantially reduced artificial noises in the generative results.
Abstract（参考訳）: 拡張型心血管MRIにおける近年の深層学習再建は,空間的および時間的ぼかしに悩まされている。我々は,高アンダーサンプリング率のシネMRIにおいて,画像のシャープネスと動きのデライン化を改善することを目的としている。既存の深層学習再構成を前提とした時空間拡散促進モデルと新しいペアサンプリング戦略を開発した。拡散モデルでは, 臨床データを用いた専門家評価において, 元の再建よりも組織境界と運動の鮮明さが認められた。革新的なペアサンプリング戦略は、生成結果における人工ノイズを大幅に低減した。

関連論文リスト

Improved Patch Denoising Diffusion Probabilistic Models for Magnetic Resonance Fingerprinting [7.379135816468852]
MRF(Magnetic Resonance Fingerprinting)は、MRIの定量的手法である。正確な再建を達成することは、特に高度に加速され、アンサンプされた買収において、依然として困難である。 MRF画像再構成のための条件拡散確率モデルを提案する。
論文参考訳（メタデータ） (2024-10-29T21:38:54Z)
Clinically Feasible Diffusion Reconstruction for Highly-Accelerated Cardiac Cine MRI [20.86718191599198]
我々は,シネMRIの画質を向上させるために,臨床的に実現可能な拡散モデルに基づく再建パイプラインを開発することを目的とする。マルチインマルチアウト拡散促進モデルと高速推論戦略を併用して, 再構成モデルと併用する手法を開発した。
論文参考訳（メタデータ） (2024-03-13T17:51:01Z)
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)
K-space Cold Diffusion: Learning to Reconstruct Accelerated MRI without Noise [2.982793366290863]
ガウス雑音を伴わずにk空間における画像劣化と復元を行うk空間冷拡散モデルを提案する。以上の結果から, この新たな劣化処理により, 高速MRIのための高品質な再構成画像が生成できることが示唆された。
論文参考訳（メタデータ） (2023-11-16T19:34:18Z)
Correlated and Multi-frequency Diffusion Modeling for Highly Under-sampled MRI Reconstruction [14.687337090732036]
既存のMRI再建法の多くは、特定の組織領域を考慮せずに、全MR画像のtar-geted再構成を行う。これは、診断のための重要でない組織に対する再構成精度を強調できない可能性がある。そこで本研究では,k空間データの特性と拡散過程を組み合わせることで,マルチ周波数先行のマイニングに焦点をあてる。
論文参考訳（メタデータ） (2023-09-02T07:51:27Z)
Unsupervised reconstruction of accelerated cardiac cine MRI using Neural Fields [3.684766600912547]
心臓血管MRI(NF-cMRI)における暗黙的神経野表現に基づく教師なしアプローチを提案する。提案手法は,26xおよび52xのアンダーサンプリング因子に対するゴールデンアングル・ラジアルマルチコイルのアンダーサンプリングにおいて評価された。
論文参考訳（メタデータ） (2023-07-24T23:31:36Z)
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)
A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文参考訳（メタデータ） (2022-03-28T14:03:45Z)
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
DiffuseReconは拡散モデルに基づく新しいMR再構成法である。観測された信号に基づいて生成過程を導出する。特定の加速因子に関する追加の訓練は必要としない。
論文参考訳（メタデータ） (2022-03-08T02:25:38Z)
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)
Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。