Fugu-MT 論文翻訳(概要): Novel Models for High-Dimensional Imaging: High-Resolution fMRI Acceleration and Quantification

論文の概要: Novel Models for High-Dimensional Imaging: High-Resolution fMRI Acceleration and Quantification

arxiv url: http://arxiv.org/abs/2407.06343v1
Date: Mon, 8 Jul 2024 19:24:21 GMT
ステータス: 処理完了
システム内更新日: 2024-07-10 20:04:29.818810
Title: Novel Models for High-Dimensional Imaging: High-Resolution fMRI Acceleration and Quantification
Title（参考訳）: 高次元イメージングの新しいモデル:高分解能fMRI加速と定量化
Authors: Shouchang Guo,
Abstract要約: 本稿では,パッチテンソルの低ランクモデル,物理ベースの多様体モデル,ボクセルの注意ネットワークを提案する。提案したモデルは全て、高分解能とより機能的な情報による他の比較手法よりも優れている。
参考スコア（独自算出の注目度）: 0.87024326813104
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The goals of functional Magnetic Resonance Imaging (fMRI) include high spatial and temporal resolutions with a high signal-to-noise ratio (SNR). To simultaneously improve spatial and temporal resolutions and maintain the high SNR advantage of OSSI, we present novel pipelines for fast acquisition and high-resolution fMRI reconstruction and physics parameter quantification. We propose a patch-tensor low-rank model, a physics-based manifold model, and a voxel-wise attention network. With novel models for acquisition and reconstruction, we demonstrate that we can improve SNR and resolution simultaneously without compromising scan time. All the proposed models outperform other comparison approaches with higher resolution and more functional information.
Abstract（参考訳）: 機能的磁気共鳴イメージング(fMRI)の目標は、高信号対雑音比(SNR)の高空間分解能と時間分解能である。空間分解能と時間分解能を同時に向上させ,OSSIの高SNR優位性を維持するために,高速かつ高分解能fMRI再構成と物理パラメータ定量化のためのパイプラインを提案する。本稿では,パッチテンソルの低ランクモデル,物理ベースの多様体モデル,ボクセルの注意ネットワークを提案する。獲得と再構築のための新しいモデルを用いて,スキャン時間を犠牲にすることなく,SNRと解像度を同時に改善できることを実証する。提案したモデルは全て、高分解能とより機能的な情報による他の比較手法よりも優れている。

関連論文リスト

A Flow-based Truncated Denoising Diffusion Model for Super-resolution Magnetic Resonance Spectroscopic Imaging [34.32290273033808]
本研究は,超高分解能MRSIのためのフローベースTrncated Denoising Diffusion Modelを導入する。拡散鎖を切断することで拡散過程を短縮し, 正規化フローベースネットワークを用いて切断工程を推定する。 FTDDMは既存の生成モデルよりも優れており、サンプリングプロセスを9倍以上高速化している。
論文参考訳（メタデータ） (2024-10-25T03:42:35Z)
A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。我々の推論速度は拡散法よりも1,400倍速い。
論文参考訳（メタデータ） (2024-10-05T20:03:57Z)
Highly Accelerated MRI via Implicit Neural Representation Guided Posterior Sampling of Diffusion Models [2.5412006057370893]
Inlicit Neural representation (INR) は、逆問題を解決するための強力なパラダイムとして登場した。提案するフレームワークは、他の医療画像タスクにおける逆問題を解決するための一般化可能なフレームワークである。
論文参考訳（メタデータ） (2024-07-03T01:37:56Z)
Implicit Diffusion Models for Continuous Super-Resolution [65.45848137914592]
本稿では,高忠実度連続画像超解像のためのインプリシティ拡散モデル(IDM)を提案する。 IDMは暗黙のニューラル表現とデノナイジング拡散モデルを統合されたエンドツーエンドフレームワークに統合する。スケーリング係数は分解能を調節し、最終出力におけるLR情報と生成された特徴の比率を変調する。
論文参考訳（メタデータ） (2023-03-29T07:02:20Z)
SiNeRF: Sinusoidal Neural Radiance Fields for Joint Pose Estimation and Scene Reconstruction [147.9379707578091]
NeRFmmは、共同最適化タスクを扱うNeRF(Neural Radiance Fields)である。 NeRFmmは正確なシーン合成とポーズ推定を行うが、難しいシーンで完全に注釈付けされたベースラインを上回るのに苦戦している。放射光マッピングにおける正弦波活性化を利用する正弦波ニューラルレイディアンス場(SiNeRF)と、効率よく光束を選択するための新しい混合領域サンプリング(MRS)を提案する。
論文参考訳（メタデータ） (2022-10-10T10:47:51Z)
Cross-Modality High-Frequency Transformer for MR Image Super-Resolution [100.50972513285598]
我々はTransformerベースのMR画像超解像フレームワークを構築するための初期の取り組みを構築した。我々は、高周波構造とモード間コンテキストを含む2つの領域先行について考察する。我々は,Cross-modality High- frequency Transformer (Cohf-T)と呼ばれる新しいTransformerアーキテクチャを構築し,低解像度画像の超解像化を実現する。
論文参考訳（メタデータ） (2022-03-29T07:56:55Z)
HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
論文参考訳（メタデータ） (2022-03-04T06:37:45Z)
Perceptual cGAN for MRI Super-resolution [1.6656334450183463]
超解像(SR)は、高分解能画像を少ない時間で合成することによって、有用性を高めるのに役立つ。本稿では,生成的対向ネットワーク(GAN)に基づくMR画像のSR手法を提案する。入力された低分解能画像に条件付けされた知覚損失を有する条件付きGANを導入し、等方性および異方性MRI超解像の性能を向上させる。
論文参考訳（メタデータ） (2022-01-23T16:58:56Z)
Implicit Neural Representation Learning for Hyperspectral Image Super-Resolution [0.0]
Inlicit Neural Representations (INR)は、新しい効果的な表現として進歩を遂げている。本稿では、空間座標を対応するスペクトル放射率値にマッピングする連続関数により、HSIを表すINRに基づく新しいHSI再構成モデルを提案する。
論文参考訳（メタデータ） (2021-12-20T14:07:54Z)
FreqNet: A Frequency-domain Image Super-Resolution Network with Dicrete Cosine Transform [16.439669339293747]
単一画像超解像(SISR)は低分解能(LR)入力から高分解能(HR)出力を得ることを目的とした不適切な問題である。高ピーク信号-雑音比(PSNR)の結果にもかかわらず、モデルが望まれる高周波の詳細を正しく付加するかどうかを判断することは困難である。本稿では、周波数領域の観点から直感的なパイプラインであるFreqNetを提案し、この問題を解決する。
論文参考訳（メタデータ） (2021-11-21T11:49:12Z)
Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文参考訳（メタデータ） (2021-04-05T13:05:22Z)

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。