論文の概要: MARVEL: MR Fingerprinting with Additional micRoVascular Estimates using bidirectional LSTMs
- arxiv url: http://arxiv.org/abs/2407.10512v1
- Date: Mon, 15 Jul 2024 08:09:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 20:10:21.786942
- Title: MARVEL: MR Fingerprinting with Additional micRoVascular Estimates using bidirectional LSTMs
- Title（参考訳）: MARVEL:双方向LSTMを用いたMRフィンガープリンティング
- Authors: Antoine Barrier, Thomas Coudert, Aurélien Delphin, Benjamin Lemasson, Thomas Christen,
- Abstract要約: 本稿では,現実的な微小血管ネットワークを含む数値ボクセルからのMR信号をシミュレーションする効率的な方法を提案する。
3人のボランティアに対して行った結果から,我々のアプローチはより高速に微小血管パラメータの定量的マップを作成できることが示唆された。
- 参考スコア（独自算出の注目度）: 0.8901227918730564
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Magnetic Resonance Fingerprinting (MRF) approach aims to estimate multiple MR or physiological parameters simultaneously with a single fast acquisition sequence. Most of the MRF studies proposed so far have used simple MR sequence types to measure relaxation times (T1, T2). In that case, deep learning algorithms have been successfully used to speed up the reconstruction process. In theory, the MRF concept could be used with a variety of other MR sequence types and should be able to provide more information about the tissue microstructures. Yet, increasing the complexity of the numerical models often leads to prohibited simulation times, and estimating multiple parameters from one sequence implies new dictionary dimensions whose sizes become too large for standard computers and DL architectures.In this paper, we propose to analyze the MRF signal coming from a complex balance Steady-state free precession (bSSFP) type sequence to simultaneously estimate relaxometry maps (T1, T2), Field maps (B1, B0) as well as microvascular properties such as the local Cerebral Blood Volume (CBV) or the averaged vessel Radius (R).To bypass the curse of dimensionality, we propose an efficient way to simulate the MR signal coming from numerical voxels containing realistic microvascular networks as well as a Bidirectional Long Short-Term Memory network used for the matching process.On top of standard MRF maps, our results on 3 human volunteers suggest that our approach can quickly produce high-quality quantitative maps of microvascular parameters that are otherwise obtained using longer dedicated sequences and intravenous injection of a contrast agent. This approach could be used for the management of multiple pathologies and could be tuned to provide other types of microstructural information.
- Abstract（参考訳）: Magnetic Resonance Fingerprinting (MRF) アプローチは、1つの高速な取得シーケンスと同時に複数のMRまたは生理的パラメータを推定することを目的としている。
これまで提案されたMRF研究の多くは、緩和時間(T1, T2)を測定するために単純なMRシークエンスタイプを用いてきた。
この場合、ディープラーニングアルゴリズムは再構築プロセスの高速化に成功している。
理論的には、MDFの概念は他の様々なMRシークエンスタイプで使用することができ、組織微細構造についてより多くの情報を提供することができる。
しかし,数値モデルの複雑さを増大させることでシミュレーション時間が制限されることが多く,一列から複数のパラメータを推定することは,標準的なコンピュータやDLアーキテクチャではサイズが大きすぎる新しい辞書次元を示唆する。本稿では,局所脳血流量(CBV)や平均血管ラディウス(R)などの微小血管特性に加えて,複雑な平衡状態自由沈降(bSSFP)型シーケンスを同時に推定するために,定常状態自由沈降(bSSFP)型シーケンスを解析する。
そこで本研究では, 現実的なマイクロ血管ネットワークを含む数値ボクセルから得られるMR信号と, マッチングプロセスに使用される双方向長短期記憶ネットワークを共用する手法を提案する。また, 標準的なMRFマップ上では, 3人のボランティアに対して, 提案手法により, より長い専用配列と造影剤の静脈内注入で得られるマイクロ血管パラメータの高品質な定量的マップを迅速に作成できることが示唆された。
このアプローチは、複数の病理の管理に使用することができ、他の種類のミクロ構造情報を提供するように調整することができる。
関連論文リスト
- NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。
様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
論文 参考訳（メタデータ） (2024-03-27T02:42:52Z) - SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。
推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。
拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
論文 参考訳（メタデータ） (2023-10-03T05:05:35Z) - 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 Unified Learning Model for Estimating Fiber Orientation Distribution
Functions on Heterogeneous Multi-shell Diffusion-weighted MRI [7.619657591752497]
拡散強調(DW)MRIは、各ボクセルの局所拡散過程の方向とスケールを、q空間のスペクトルを通して測定する。
近年の微細構造イメージングと多部分解の進展は、信号の放射状b値依存性に新たな注意を喚起している。
単一ステージの球面畳み込みニューラルネットワークを用いて,効率的な繊維配向分布関数推定を行う。
論文 参考訳（メタデータ） (2023-03-29T00:58:18Z) - Magnetic Resonance Fingerprinting with compressed sensing and distance
metric learning [38.88009278259666]
MRF(Magnetic Resonance Fingerprinting)は、複数の組織関連パラメータを同時に推定する新しい技術である。
MRF法は、k空間データを著しくアンサンプするため、アーティファクトのエイリアスに悩まされる。
複数の組織関連パラメータを同時に推定する圧縮センシング(CS)フレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-19T03:08:26Z) - Three-dimensional microstructure generation using generative adversarial
neural networks in the context of continuum micromechanics [77.34726150561087]
本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。
軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
論文 参考訳（メタデータ） (2022-05-31T13:26:51Z) - 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) - Real-Time Mapping of Tissue Properties for Magnetic Resonance
Fingerprinting [20.834829860562248]
スパイラルk空間MRFデータから直接組織特性をシームレスにマッピングする新しいエンドツーエンドディープラーニングフレームワークを提案する。
本手法は,非カルト的k-空間データを直接消費し,適応密度補正を行い,複数の組織特性マップを前方通過で予測する。
論文 参考訳（メタデータ） (2021-07-16T21:05:47Z) - Physics-informed neural networks for myocardial perfusion MRI
quantification [3.318100528966778]
本研究では, 心筋灌流MR定量化のための物理インフォームドニューラルネットワーク(PINN)を提案する。
PINNは、基礎となる物理保存法則を尊重しながら、観測された拡散MRデータに適合するように訓練することができる。
論文 参考訳（メタデータ） (2020-11-25T16:02:52Z) - M2Net: Multi-modal Multi-channel Network for Overall Survival Time
Prediction of Brain Tumor Patients [151.4352001822956]
生存時間(OS)の早期かつ正確な予測は、脳腫瘍患者に対するより良い治療計画を得るのに役立つ。
既存の予測手法は、磁気共鳴(MR)ボリュームの局所的な病変領域における放射能特性に依存している。
我々は,マルチモーダルマルチチャネルネットワーク(M2Net)のエンドツーエンドOS時間予測モデルを提案する。
論文 参考訳（メタデータ） (2020-06-01T05:21:37Z) - Joint Total Variation ESTATICS for Robust Multi-Parameter Mapping [0.0]
ESTATICSは、R2*と複数の外挿インターセプトを抽出するために、複数のエコー系列の連接対数整合を行う。
提案アルゴリズムは,リッチな単目的データセットにおいて,左からのエコーを予測して評価する。
論文 参考訳（メタデータ） (2020-05-28T19:08:42Z)
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。