論文の概要: Implicit Regression in Subspace for High-Sensitivity CEST Imaging

• arxiv url: http://arxiv.org/abs/2407.06614v1
• Date: Tue, 9 Jul 2024 07:41:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-10 18:56:02.886276
• Title: Implicit Regression in Subspace for High-Sensitivity CEST Imaging
• Title（参考訳）: 高感度CESTイメージングのためのサブスペースにおける入射回帰
• Authors: Chu Chen, Yang Liu, Se Weon Park, Jizhou Li, Kannie W. Y. Chan, Raymond H. F. Chan,
• Abstract要約: Implicit Regression in Subspace (IRIS) は、暗黙的ニューラル表現の優れた性質を連続写像に活かした教師なしの復調アルゴリズムである。 本手法は, 定性および定量的性能の両面において, CEST法を上回り, 本手法が他のCEST法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 5.785771819376851
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chemical Exchange Saturation Transfer (CEST) MRI demonstrates its capability in significantly enhancing the detection of proteins and metabolites with low concentrations through exchangeable protons. The clinical application of CEST, however, is constrained by its low contrast and low signal-to-noise ratio (SNR) in the acquired data. Denoising, as one of the post-processing stages for CEST data, can effectively improve the accuracy of CEST quantification. In this work, by modeling spatial variant z-spectrums into low-dimensional subspace, we introduce Implicit Regression in Subspace (IRIS), which is an unsupervised denoising algorithm utilizing the excellent property of implicit neural representation for continuous mapping. Experiments conducted on both synthetic and in-vivo data demonstrate that our proposed method surpasses other CEST denoising methods regarding both qualitative and quantitative performance.
• Abstract（参考訳）: CEST(Chemical Exchange Saturation Transfer)MRIは、交換可能なプロトンを介して低濃度のタンパク質や代謝物の検出を著しく増強する能力を示す。 しかし、CESTの臨床応用は、取得したデータにおける低コントラストと低信号-雑音比(SNR)に制約されている。 CESTデータの後処理段階の1つであるデノイングは、CEST定量化の精度を効果的に向上させることができる。 本研究では,空間変動zスペクトルを低次元部分空間にモデル化することにより,暗黙的ニューラル表現の優れた性質を連続写像に活かした教師なし復調アルゴリズムであるIRISを導入する。 本手法は, 定性および定量的性能の両面において, CEST法を上回り, 本手法が他のCEST法よりも優れていることを示す。

関連論文リスト

• Enhancing Deep Learning-Driven Multi-Coil MRI Reconstruction via Self-Supervised Denoising [4.6017417632210655]
  自己教師型認知は、深層学習(DL)に基づく再構成手法を訓練するための前処理のステップである。 以上の結果から, denoising は DL-based MRI 再構成法の有効性を向上させる上で必要不可欠な前処理技術であることが示唆された。
  論文  参考訳（メタデータ） (2024-11-19T23:17:09Z)
• Synomaly Noise and Multi-Stage Diffusion: A Novel Approach for Unsupervised Anomaly Detection in Ultrasound Imaging [32.99597899937902]
  拡散モデルに基づく新しい教師なし異常検出フレームワークを提案する。 提案手法は, 合成ノイズ関数と多段拡散過程を組み込む。 提案手法は頸動脈US,脳MRI,肝CTを用いて検討した。
  論文  参考訳（メタデータ） (2024-11-06T15:43:51Z)
• Volumetric Conditional Score-based Residual Diffusion Model for PET/MR Denoising [13.694516702501097]
  PETイメージングは、分子および生理過程の定量的評価を提供する強力なモダリティである。 PET画像における内在性高ノイズレベルからPET脱ノイズの必要性が生じる。 条件スコアに基づくResidual Diffusion(CSRD)モデルでは,高精細なスコア関数と3Dパッチワイドトレーニング戦略を取り入れることで,これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-09-30T19:35:22Z)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Noise-Free Score Distillation [78.79226724549456]
  ノイズフリースコア蒸留(NFSD)プロセスは、オリジナルのSDSフレームワークに最小限の変更を必要とする。 我々は,CFG尺度を用いて,事前学習したテキスト・画像拡散モデルのより効果的な蒸留を行う。
  論文  参考訳（メタデータ） (2023-10-26T17:12:26Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Denoising Single Voxel Magnetic Resonance Spectroscopy with Deep Learning on Repeatedly Sampled In Vivo Data [17.291672952879022]
  MRSは代謝情報を明らかにする非侵襲的なツールです。 MRSの課題の1つは、代謝産物の低濃度による比較的低い信号ノイズ比(SNR)である。 低SNR信号から高SNR信号へのマッピングを学習するための深層学習解読手法を提案する。
  論文  参考訳（メタデータ） (2021-01-26T05:36:44Z)
• Self-supervised Dynamic CT Perfusion Image Denoising with Deep Neural Networks [6.167259271197635]
  ダイナミックCT(Dynamic Computed Tomography, CTP)は急性期脳梗塞の診断と評価に有望なアプローチである。 脳小葉の血行動態のパラメトリックマップは、脳内のヨウ素化コントラストの第1パスのCTスキャンから算出される。 診断の信頼性を高めるためには, 画像診断が必要であり, 繰り返しスキャンによる高放射線曝露により, 日常的用途の灌流量を削減する必要がある。
  論文  参考訳（メタデータ） (2020-05-19T21:44:07Z)

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。