論文の概要: Diffusion Model-based FOD Restoration from High Distortion in dMRI

• arxiv url: http://arxiv.org/abs/2406.13209v1
• Date: Wed, 19 Jun 2024 04:41:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-21 23:19:11.905344
• Title: Diffusion Model-based FOD Restoration from High Distortion in dMRI
• Title（参考訳）: DMRIにおける高歪みからの拡散モデルに基づくFOD復元
• Authors: Shuo Huang, Lujia Zhong, Yonggang Shi,
• Abstract要約: 感受性によって引き起こされるdMRIの歪みなどのイメージングアーティファクトは、信号損失を引き起こす。 拡散モデルのような生成モデルは、様々な画像復元タスクにうまく適用されている。 歪みアーチファクトによる信号損失を回復できる新しいFOD復元モデルを提案する。
• 参考スコア（独自算出の注目度）: 4.77407121905745
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fiber orientation distributions (FODs) is a popular model to represent the diffusion MRI (dMRI) data. However, imaging artifacts such as susceptibility-induced distortion in dMRI can cause signal loss and lead to the corrupted reconstruction of FODs, which prohibits successful fiber tracking and connectivity analysis in affected brain regions such as the brain stem. Generative models, such as the diffusion models, have been successfully applied in various image restoration tasks. However, their application on FOD images poses unique challenges since FODs are 4-dimensional data represented by spherical harmonics (SPHARM) with the 4-th dimension exhibiting order-related dependency. In this paper, we propose a novel diffusion model for FOD restoration that can recover the signal loss caused by distortion artifacts. We use volume-order encoding to enhance the ability of the diffusion model to generate individual FOD volumes at all SPHARM orders. Moreover, we add cross-attention features extracted across all SPHARM orders in generating every individual FOD volume to capture the order-related dependency across FOD volumes. We also condition the diffusion model with low-distortion FODs surrounding high-distortion areas to maintain the geometric coherence of the generated FODs. We trained and tested our model using data from the UK Biobank (n = 1315). On a test set with ground truth (n = 43), we demonstrate the high accuracy of the generated FODs in terms of root mean square errors of FOD volumes and angular errors of FOD peaks. We also apply our method to a test set with large distortion in the brain stem area (n = 1172) and demonstrate the efficacy of our method in restoring the FOD integrity and, hence, greatly improving tractography performance in affected brain regions.
• Abstract（参考訳）: ファイバー配向分布(FOD)は拡散MRI(dMRI)データを表す一般的なモデルである。 しかし、dMRIの感受性によって引き起こされる歪みなどの画像アーチファクトは、信号の喪失を引き起こし、FODの破損を招き、脳幹などの脳の損傷領域における繊維追跡と接続解析を成功させるのを妨げている。 拡散モデルのような生成モデルは、様々な画像復元タスクにうまく適用されている。 しかし、FOD画像へのそれらの応用は、FODは4次元の球面高調波(SPHARM)で表される4次元のデータであり、第4次元の秩序関連依存性を示すため、ユニークな課題を生んでいる。 本稿では, 歪みアーチファクトによる信号損失を回復できる新しいFOD復元モデルを提案する。 我々は、拡散モデルの能力を高めるためにボリュームオーダーエンコーディングを使用し、すべてのSPHARMオーダーで個別のFODボリュームを生成する。 さらに,全SPHARMオーダーから抽出した相互アテンション機能を加えて,各FODボリュームを生成して,FODボリューム全体の順序関連依存関係をキャプチャする。 また,FODの幾何学的コヒーレンスを維持するために,高歪み領域を囲む低歪みFODの拡散モデルを条件とした。 英国バイオバンク(n = 1315)のデータを使って、モデルをトレーニングし、テストしました。 基底真理を持つテストセット(n = 43)では、FODボリュームのルート平均二乗誤差とFODピークの角度誤差の観点から、生成されたFODの精度を実証する。 また,脳幹領域の歪みが大きいテストセット(n = 1172)に適用し,FOD整合性回復における本手法の有効性を実証した。

関連論文リスト

• Ambient Diffusion Posterior Sampling: Solving Inverse Problems with Diffusion Models trained on Corrupted Data [56.81246107125692]
  Ambient Diffusion Posterior Smpling (A-DPS) は、ある種類の腐敗に対して事前訓練された生成モデルである。 A-DPSは、いくつかの画像復元タスクにおいて、クリーンなデータで訓練されたモデルよりも、速度と性能の両方で優れていることが示される。 我々はAmbient Diffusionフレームワークを拡張して、FourierサブサンプルのマルチコイルMRI測定にのみアクセスしてMRIモデルをトレーニングする。
  論文  参考訳（メタデータ） (2024-03-13T17:28:20Z)
• Steerable Conditional Diffusion for Out-of-Distribution Adaptation in Medical Image Reconstruction [75.91471250967703]
  我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。 このフレームワークは、利用可能な測定によって提供される情報のみに基づいて、画像再構成と並行して拡散モデルを適用する。 様々な画像モダリティにまたがるアウト・オブ・ディストリビューション性能の大幅な向上を実現した。
  論文  参考訳（メタデータ） (2023-08-28T08:47:06Z)
• Recovering high-quality FODs from a reduced number of diffusion-weighted images using a model-driven deep learning architecture [0.0]
  モデル駆動型深層学習FOD再構成アーキテクチャを提案する。 ネットワークが生成する中間および出力FODが、入力されたDWI信号と一致していることを保証する。 モデルに基づくディープラーニングアーキテクチャは,最先端のFOD超解像ネットワークであるFOD-Netと比較して,競争性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-07-28T02:47:34Z)
• Mask, Stitch, and Re-Sample: Enhancing Robustness and Generalizability in Anomaly Detection through Automatic Diffusion Models [8.540959938042352]
  本稿では,拡散モデルのロバスト性を高める新しい手法であるAutoDDPMを提案する。 結合ノイズ分布再サンプリングにより、AutoDDPMは調和効果と塗装効果を達成する。 これはまた、現在の拡散モデルの限界に関する貴重な洞察と分析にも貢献する。
  論文  参考訳（メタデータ） (2023-05-31T08:21:17Z)
• GSURE-Based Diffusion Model Training with Corrupted Data [35.56267114494076]
  本稿では, 劣化データのみに基づく生成拡散モデルのための新しいトレーニング手法を提案する。 顔画像と磁気共鳴画像(MRI)の撮影技術について紹介する。
  論文  参考訳（メタデータ） (2023-05-22T15:27:20Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)
• DIRE for Diffusion-Generated Image Detection [128.95822613047298]
  拡散再構成誤り(DIRE)という新しい表現を提案する。 DIREは、予め訓練された拡散モデルにより、入力画像とその再構成画像間の誤差を測定する。 DIREは生成されたイメージと実際のイメージを区別するためのブリッジとして機能する、というヒントを提供する。
  論文  参考訳（メタデータ） (2023-03-16T13:15:03Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
  データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。 既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。 本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
  論文  参考訳（メタデータ） (2022-03-11T10:47:16Z)

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。