論文の概要: Implicit neural representation for free-breathing MR fingerprinting (INR-MRF): co-registered 3D whole-liver water T1, water T2, proton density fat fraction, and R2* mapping

• arxiv url: http://arxiv.org/abs/2410.15175v1
• Date: Sat, 19 Oct 2024 18:35:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:16:30.020672
• Title: Implicit neural representation for free-breathing MR fingerprinting (INR-MRF): co-registered 3D whole-liver water T1, water T2, proton density fat fraction, and R2* mapping
• Title（参考訳）: 自由呼吸型MRフィンガープリント(INR-MRF)におけるインプシット神経表現 : 共登録3次元全粒水T1,水T2,プロトン密度脂肪分画,R2*マッピング
• Authors: Chao Li, Jiahao Li, Jinwei Zhang, Eddy Solomon, Alexey V. Dimov, Pascal Spincemaille, Thanh D. Nguyen, Martin R. Prince, Yi Wang,
• Abstract要約: INR-MRFは3D全肝T1,T2,R2*,PDFFマッピングを1回のフリーブレススキャンで可能とした。
• 参考スコア（独自算出の注目度）: 13.625898586293502
• License:
• Abstract: Purpose: To develop an MRI technique for free-breathing 3D whole-liver quantification of water T1, water T2, proton density fat fraction (PDFF), R2*. Methods: An Eight-echo spoiled gradient echo pulse sequence with spiral readout was developed by interleaving inversion recovery and T2 magnetization preparation. We propose a neural network based on a 4D and a 3D implicit neural representation (INR) which simultaneously learns the motion deformation fields and the static reference frame MRI subspace images respectively. Water and fat singular images were separated during network training, with no need of performing retrospective water-fat separation. T1, T2, R2* and proton density fat fraction (PDFF) produced by the proposed method were validated in vivo on 10 healthy subjects, using quantitative maps generated from conventional scans as reference. Results: Our results showed minimal bias and narrow 95% limits of agreement on T1, T2, R2* and PDFF values in the liver compared to conventional breath-holding scans. Conclusions: INR-MRF enabled co-registered 3D whole liver T1, T2, R2* and PDFF mapping in a single free-breathing scan.
• Abstract（参考訳）: 目的:水T1,水T2,陽子密度脂肪分画(PDFF),R2*の3D全粒定量のためのMRI技術を開発すること。 方法: インバージョンリカバリとT2磁化処理を交互に行うことにより, スパイラルリードアウト付き8echoスポレーション勾配エコーシーケンスを開発した。 本研究では, 4D と 3D の暗黙的ニューラル表現 (INR) に基づくニューラルネットワークを提案する。 ネットワークトレーニング中に水と脂肪の特異画像を分離した。 提案法により得られたT1, T2, R2*およびプロトン密度脂肪分画 (PDFF) は, 健常者10名を対象に, 従来のスキャンから得られた定量的マップを基準としてin vivoで検証した。 結果: 従来の呼吸保持法と比較すると, 肝におけるT1, T2, R2*, PDFF値に最小のバイアス, 95%の一致限界が認められた。 結論:INR-MRFは1回のフリーブレスティングスキャンで3D全肝T1,T2,R2*,PDFFマッピングを可能にした。

関連論文リスト

• Upper-body free-breathing Magnetic Resonance Fingerprinting applied to the quantification of water T1 and fat fraction [0.0]
  そこで本稿では, 動き補正(MoCo) MRF T1-FF という新しい手法を提案し, 最適化された予備動作スキャンを用いて運動場を推定する。 MRFマップでは, 呼吸筋, 肝臓, ぼやけなどの運動に強く影響された部位において, 運動補正後の運動の減少と, 失明の進行が顕著であった。
  論文  参考訳（メタデータ） (2024-09-24T15:57:35Z)
• 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)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• High-fidelity Direct Contrast Synthesis from Magnetic Resonance Fingerprinting [28.702553164811473]
  本稿では,MRFデータからコントラスト強調画像を直接合成する教師あり学習手法を提案する。 In-vivo実験は、シミュレーションベースのコントラスト合成や従来のDCS法と比較して、視覚的にも定量的にも優れた画質を示す。
  論文  参考訳（メタデータ） (2022-12-21T07:11:39Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• Lymph Node Detection in T2 MRI with Transformers [16.67902664405201]
  そこで本研究では,T2 MRIスキャンにおける不審な転移リンパ節の局所化にDetection TRansformer (DETR) ネットワークを用いることを提案する。 われわれはT2 MRIにおけるリンパ節検出の現状を改善した。
  論文  参考訳（メタデータ） (2021-11-09T00:06:27Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• PSIGAN: Joint probabilistic segmentation and image distribution matching for unpaired cross-modality adaptation based MRI segmentation [4.573421102994323]
  我々は、新しい関節確率分割と画像分布マッチング生成対向ネットワーク(PSIGAN)を開発した。 我々のUDAアプローチは、画像とセグメント間の共依存性を共同確率分布としてモデル化する。 T1wは0.87,T2wは0.90であった。
  論文  参考訳（メタデータ） (2020-07-18T16:23:02Z)

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。