Fugu-MT 論文翻訳(概要): Deep Image Priors for Magnetic Resonance Fingerprinting with pretrained Bloch-consistent denoising autoencoders

論文の概要: Deep Image Priors for Magnetic Resonance Fingerprinting with pretrained Bloch-consistent denoising autoencoders

arxiv url: http://arxiv.org/abs/2407.19866v1
Date: Mon, 29 Jul 2024 10:35:39 GMT
ステータス: 処理完了
システム内更新日: 2024-07-30 14:16:11.272773
Title: Deep Image Priors for Magnetic Resonance Fingerprinting with pretrained Bloch-consistent denoising autoencoders
Title（参考訳）: 予め訓練したBloch-Consistent denoising Autoencodersを用いた磁気共鳴フィンガープリントの深部画像優先
Authors: Perla Mayo, Matteo Cencini, Ketan Fatania, Carolin M. Pirkl, Marion I. Menzel, Bjoern H. Menze, Michela Tosetti, Mohammad Golbabaee,
Abstract要約: 本稿では,DIP(Deep Image prior)モジュールを具体的真理を伴わずに,オートエンコーダを強制するBloch一貫性と組み合わせることで,この問題に対処できる手法を提案する。
参考スコア（独自算出の注目度）: 3.3030630199962414
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The estimation of multi-parametric quantitative maps from Magnetic Resonance Fingerprinting (MRF) compressed sampled acquisitions, albeit successful, remains a challenge due to the high underspampling rate and artifacts naturally occuring during image reconstruction. Whilst state-of-the-art DL methods can successfully address the task, to fully exploit their capabilities they often require training on a paired dataset, in an area where ground truth is seldom available. In this work, we propose a method that combines a deep image prior (DIP) module that, without ground truth and in conjunction with a Bloch consistency enforcing autoencoder, can tackle the problem, resulting in a method faster and of equivalent or better accuracy than DIP-MRF.
Abstract（参考訳）: 磁気共鳴フィンガープリント(MRF)圧縮試料からのマルチパラメトリック定量的マップの推定は成功したものの、画像再構成時に自然に発生するアンダーサンプリング率とアーティファクトが高いため、依然として課題である。最先端のDLメソッドは、そのタスクにうまく対処できるが、それらの能力を完全に活用するためには、多くの場合、基底真理がほとんど利用できない領域において、ペア化されたデータセットでのトレーニングが必要である。本研究では,DIP-MRFよりも高速で精度の高いDIP-MRFを実現する手法を提案する。

関連論文リスト

Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
Robust Simultaneous Multislice MRI Reconstruction Using Deep Generative Priors [4.23798859509348]
同時マルチスライス(SMS)イメージングはMRI取得を加速させる強力な技術である。本研究は, 深部生成前駆体を用いた頑健なSMS MRI再構成法を提案する。
論文参考訳（メタデータ） (2024-07-31T13:34:14Z)
Generalized Consistency Trajectory Models for Image Manipulation [59.576781858809355]
拡散モデル(DM)は、画像編集や復元などの応用と同様に、無条件生成において優れている。本研究の目的は、一般化されたCTM(GCTM)を提案することによって、整合性軌道モデル(CTM)の完全なポテンシャルを解放することである。本稿では,GCTMの設計空間について論じ,画像から画像への変換,復元,編集など,様々な画像操作タスクにおいて有効性を示す。
論文参考訳（メタデータ） (2024-03-19T07:24:54Z)
Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
論文参考訳（メタデータ） (2023-09-18T09:36:24Z)
Improving Adversarial Robustness of Masked Autoencoders via Test-time Frequency-domain Prompting [133.55037976429088]
BERTプリトレーニング(BEiT, MAE)を備えた視覚変換器の対向ロバスト性について検討する。意外な観察は、MAEが他のBERT事前訓練法よりも敵の頑健さが著しく悪いことである。我々は,MAEの対角的堅牢性を高めるための,シンプルで効果的な方法を提案する。
論文参考訳（メタデータ） (2023-08-20T16:27:17Z)
Microseismic source imaging using physics-informed neural networks with hard constraints [4.07926531936425]
物理インフォームドニューラルネットワーク(PINN)に基づく直接微動イメージングフレームワークを提案する。 PINNを用いてマルチ周波数波動場を表現し,その逆フーリエ変換を用いて音源画像の抽出を行う。さらに,本手法をモニタリングフィールドデータの水理破砕に応用し,少ないアーティファクトで精度よくソースを画像化できることを実証する。
論文参考訳（メタデータ） (2023-04-09T21:10:39Z)
MAPS: A Noise-Robust Progressive Learning Approach for Source-Free Domain Adaptive Keypoint Detection [76.97324120775475]
クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
論文参考訳（メタデータ） (2023-02-09T12:06:08Z)
Multiscale Structure Guided Diffusion for Image Deblurring [24.09642909404091]
拡散確率モデル (DPM) は画像の劣化に用いられている。暗黙のバイアスとして、単純だが効果的なマルチスケール構造ガイダンスを導入する。目に見えないデータのアーティファクトが少ないほど、より堅牢なデブロアリング結果を示します。
論文参考訳（メタデータ） (2022-12-04T10:40:35Z)
Nonlinear Equivariant Imaging: Learning Multi-Parametric Tissue Mapping without Ground Truth for Compressive Quantitative MRI [4.576908868578682]
高速圧縮フィンガープリント磁気共鳴法(MRF)による組織マッピングの現況高忠実度基底真理組織マップのトレーニングデータを必要とする欠点を克服した教師付き深層学習の使用。本稿では,地中深度MRF画像再構成の必要性を解消するために,自己教師付き学習手法を提案する。
論文参考訳（メタデータ） (2022-11-23T09:04:14Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)
When deep denoising meets iterative phase retrieval [5.639904484784126]
従来の位相の検索アルゴリズムはノイズが存在する場合に苦しむが、クリーンなデータを与えると世界収束を示す。ここでは,位相探索からの反復的手法とディープデノイザからの画像統計とを,正規化によるデノジングにより組み合わせる。得られた手法は各手法の利点を継承し、他のノイズロス位相探索アルゴリズムより優れている。
論文参考訳（メタデータ） (2020-03-03T21:00:45Z)

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。