論文の概要: Robust plug-and-play methods for highly accelerated non-Cartesian MRI reconstruction

• arxiv url: http://arxiv.org/abs/2411.01955v1
• Date: Mon, 04 Nov 2024 10:27:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:46:13.195634
• Title: Robust plug-and-play methods for highly accelerated non-Cartesian MRI reconstruction
• Title（参考訳）: 高速非カルテシアンMRI再構成のためのロバストプラグアンドプレイ法
• Authors: Pierre-Antoine Comby, Benjamin Lapostolle, Matthieu Terris, Philippe Ciuciu,
• Abstract要約: マルチコイルデータからクリーンでノイズのないMRI信号を生成するための,教師なし事前処理パイプラインを提案する。 プレコンディショニング技術と組み合わせることで,高品質なデータに対する堅牢なMRI再構成を実現する。
• 参考スコア（独自算出の注目度）: 2.724485028696543
• License:
• Abstract: Achieving high-quality Magnetic Resonance Imaging (MRI) reconstruction at accelerated acquisition rates remains challenging due to the inherent ill-posed nature of the inverse problem. Traditional Compressed Sensing (CS) methods, while robust across varying acquisition settings, struggle to maintain good reconstruction quality at high acceleration factors ($\ge$ 8). Recent advances in deep learning have improved reconstruction quality, but purely data-driven methods are prone to overfitting and hallucination effects, notably when the acquisition setting is varying. Plug-and-Play (PnP) approaches have been proposed to mitigate the pitfalls of both frameworks. In a nutshell, PnP algorithms amount to replacing suboptimal handcrafted CS priors with powerful denoising deep neural network (DNNs). However, in MRI reconstruction, existing PnP methods often yield suboptimal results due to instabilities in the proximal gradient descent (PGD) schemes and the lack of curated, noiseless datasets for training robust denoisers. In this work, we propose a fully unsupervised preprocessing pipeline to generate clean, noiseless complex MRI signals from multicoil data, enabling training of a high-performance denoising DNN. Furthermore, we introduce an annealed Half-Quadratic Splitting (HQS) algorithm to address the instability issues, leading to significant improvements over existing PnP algorithms. When combined with preconditioning techniques, our approach achieves state-of-the-art results, providing a robust and efficient solution for high-quality MRI reconstruction.
• Abstract（参考訳）: 逆問題の本質的な不正な性質のため, 高速な取得速度で高画質磁気共鳴画像(MRI)再構成を実現することは依然として困難である。 従来のCompressed Sensing(CS)手法は、様々な取得設定で堅牢であるが、高い加速係数($8)で良好な再構築品質を維持するのに苦労している。 近年のディープラーニングの進歩は再構築の質を改善しているが、純粋にデータ駆動の手法は、特に取得条件が変化すると、過度な適合や幻覚効果をもたらす傾向にある。 Plug-and-Play(PnP)アプローチは、両方のフレームワークの落とし穴を軽減するために提案されている。 簡単に言うと、PnPアルゴリズムは、最適な手作りのCSプリエントを強力なDeep Neural Network(DNN)に置き換える。 しかし、MRI再建において、既存のPnP法は、近位勾配降下(PGD)スキームの不安定さや、頑健な難聴者の訓練のためのキュレートされたノイズのないデータセットの欠如により、しばしば準最適結果をもたらす。 本研究では,マルチコイルデータからクリーンでノイズのない複雑なMRI信号を生成するための,教師なし事前処理パイプラインを提案する。 さらに、不安定性問題に対処するために、アニール付き半量子分割法(HQS)アルゴリズムを導入し、既存のPnPアルゴリズムよりも大幅に改善した。 プレコンディショニング技術と組み合わせることで,最先端のMRI画像の高精細化と高精細化を実現する。

関連論文リスト

• Noise Level Adaptive Diffusion Model for Robust Reconstruction of Accelerated MRI [34.361078452552945]
  実世界のMRIは、熱ゆらぎによる固有のノイズを既に含んでいる。 そこで本研究では,Nila-DC (NoIse Level Adaptive Data Consistency) を用いた後方サンプリング手法を提案する。 提案手法は最先端のMRI再構成法を超越し,様々なノイズレベルに対して高い堅牢性を有する。
  論文  参考訳（メタデータ） (2024-03-08T12:07:18Z)
• QN-Mixer: A Quasi-Newton MLP-Mixer Model for Sparse-View CT Reconstruction [0.0]
  準ニュートン法に基づくアルゴリズムQN-Mixerを導入する。 Incept-Mixerは非局所正規化用語として機能する効率的なニューラルネットワークである。 我々のアプローチは知的に情報をサンプリングし、計算要求を大幅に削減する。
  論文  参考訳（メタデータ） (2024-02-28T00:20:25Z)
• Optimization-Based Deep learning methods for Magnetic Resonance Imaging Reconstruction and Synthesis [0.0]
  この論文は、高度な非滑らかな変動モデル(Magnetic Resonance Image)MRI再構成、効率的な学習可能な画像再構成アルゴリズム、およびMRI再構成と合成のためのディープラーニング方法を提供することを目的としている。 第1部では、変動モデルのための近位勾配降下にインスパイアされたアーキテクチャを備えた、新規なディープニューラルネットワークを紹介している。 第2部は、離散時間最適フレームワークにおけるキャリブレーションフリー高速pMRI再構成問題を解くことにより、第1部における予備作業の実質的な拡張である。 第3部は、メタラーニングフレームワークにおいて、一般化可能な磁気共鳴イメージング(MRI)再構成法を開発することを目的としている。
  論文  参考訳（メタデータ） (2023-03-02T18:59:44Z)
• Spatiotemporal implicit neural representation for unsupervised dynamic MRI reconstruction [11.661657147506519]
  Inlicit Neuraltruth (INR) は逆問題を解決するための強力なDLベースのツールとして登場した。 本研究では,高度にアンサンプされたk空間データから動的MRI再構成を改善するためのINRに基づく手法を提案する。 提案したINRは、ダイナミックMRI画像を暗黙の関数として表現し、それらをニューラルネットワークにエンコードする。
  論文  参考訳（メタデータ） (2022-12-31T05:43:21Z)
• Multi-stage image denoising with the wavelet transform [125.2251438120701]
  深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。 動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
  論文  参考訳（メタデータ） (2022-09-26T03:28:23Z)
• ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
  本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。 高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。 パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-01-23T21:58:19Z)
• Over-and-Under Complete Convolutional RNN for MRI Reconstruction [57.95363471940937]
  MR画像再構成のための最近のディープラーニングに基づく手法は、通常、汎用的なオートエンコーダアーキテクチャを利用する。 OUCR(Over-and-Under Complete Convolu?tional Recurrent Neural Network)を提案する。 提案手法は, トレーニング可能なパラメータの少ない圧縮されたセンシングと, 一般的なディープラーニングに基づく手法に対して, 大幅な改善を実現する。
  論文  参考訳（メタデータ） (2021-06-16T15:56:34Z)
• 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)
• Deep J-Sense: Accelerated MRI Reconstruction via Unrolled Alternating Optimization [23.328386107496105]
  我々は,非ロール交代最小化に基づくディープラーニングアプローチとして,Deep J-Senseを紹介した。 我々のアルゴリズムは磁化(画像)カーネルとコイル感度マップの両方を改良する。 膝の高速MRIデータセットのサブセットに対する実験結果から,再建性能が向上することが示された。
  論文  参考訳（メタデータ） (2021-03-02T23:22:22Z)
• Phase Retrieval using Expectation Consistent Signal Recovery Algorithm based on Hypernetwork [73.94896986868146]
  位相検索は現代の計算イメージングシステムにおいて重要な要素である。 近年のディープラーニングの進歩は、堅牢で高速なPRの新たな可能性を開いた。 我々は、既存の制限を克服するために、深層展開のための新しいフレームワークを開発する。
  論文  参考訳（メタデータ） (2021-01-12T08:36:23Z)
• Progressive Training of Multi-level Wavelet Residual Networks for Image Denoising [80.10533234415237]
  本稿では,マルチレベルウェーブレット残差ネットワーク(MWRN)アーキテクチャと,画像復調性能向上のためのプログレッシブトレーニング手法を提案する。 人工ノイズ画像と実世界のノイズ画像の両方で実験したところ、PT-MWRNは最先端のノイズ評価法に対して良好に機能することがわかった。
  論文  参考訳（メタデータ） (2020-10-23T14:14:00Z)

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。