論文の概要: ACE-Net: AutofoCus-Enhanced Convolutional Network for Field Imperfection Estimation with application to high b-value spiral Diffusion MRI

• arxiv url: http://arxiv.org/abs/2411.14630v1
• Date: Thu, 21 Nov 2024 23:20:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-25 15:02:31.115957
• Title: ACE-Net: AutofoCus-Enhanced Convolutional Network for Field Imperfection Estimation with application to high b-value spiral Diffusion MRI
• Title（参考訳）: ACE-Net: AutofoCus-Enhanced Convolutional Network for Field Imperfection Estimationと高b値スパイラル拡散MRIへの応用
• Authors: Mengze Gao, Zachary Shah, Xiaozhi Cao, Nan Wang, Daniel Abraham, Kawin Setsompop,
• Abstract要約: B0-不均一性や拡散符号化誘起渦電流からの時空間磁場の変動は、スパイラル、EPI、3Dコーンのような高速な画像符号化スキームに有害である。 本研究では,これらのフィールド不完全性を自動的に推定するためのデータ駆動手法を,オートフォーカスメトリクスとディープラーニングを組み合わせることによって開発する。 B0, eddyの正確な推定値が得られる高b値での単発スパイラル拡散MRIに適用し, 外部校正を必要とせずに高画質の画像再構成を行った。
• 参考スコア（独自算出の注目度）: 2.913594619942038
• License:
• Abstract: Spatiotemporal magnetic field variations from B0-inhomogeneity and diffusion-encoding-induced eddy-currents can be detrimental to rapid image-encoding schemes such as spiral, EPI and 3D-cones, resulting in undesirable image artifacts. In this work, a data driven approach for automatic estimation of these field imperfections is developed by combining autofocus metrics with deep learning, and by leveraging a compact basis representation of the expected field imperfections. The method was applied to single-shot spiral diffusion MRI at high b-values where accurate estimation of B0 and eddy were obtained, resulting in high quality image reconstruction without need for additional external calibrations.
• Abstract（参考訳）: B0-不均一性や拡散符号化誘起渦電流からの時空間磁場の変動は、スパイラル、EPI、3Dコーンのような高速な画像符号化スキームに有害であり、望ましくない画像アーティファクトをもたらす。 本研究では,これらのフィールド不完全性の自動推定のためのデータ駆動手法を,オートフォーカスメトリクスとディープラーニングを組み合わせることにより開発し,期待するフィールド不完全性のコンパクトな基底表現を活用する。 B0, eddyの正確な推定値が得られる高b値での単発スパイラル拡散MRIに適用し, 外部校正を必要とせずに高画質の画像再構成を行った。

関連論文リスト

• Learning the Domain Specific Inverse NUFFT for Accelerated Spiral MRI using Diffusion Models [0.0]
  我々は多コイル高アンサンプドスパイラルMRIのための生成拡散モデルに基づく再構成アルゴリズムを作成する。 超高速スキャン時間(2D画像では0.02秒)で再構成した画像に高品質(構造的類似度 > 0.87)を示す。
  論文  参考訳（メタデータ） (2024-04-18T17:40:23Z)
• Plug-and-Play Regularization on Magnitude with Deep Priors for 3D Near-Field MIMO Imaging [0.0]
  近接場レーダイメージングシステムは、隠蔽兵器の検出や医療診断など、幅広い用途で使用されている。 3次元複素数値反射率の問題は、その大きさに対して正則化を強制することによるものである。
  論文  参考訳（メタデータ） (2023-12-26T12:25:09Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
  拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。 既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。 本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
  論文  参考訳（メタデータ） (2023-11-20T08:27:56Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)
• Denoising Diffusion Models for Plug-and-Play Image Restoration [135.6359475784627]
  本稿では,従来のプラグアンドプレイ方式を拡散サンプリングフレームワークに統合したDiffPIRを提案する。 DiffPIRは、差別的なガウスのデノイザーに依存するプラグアンドプレイIR法と比較して、拡散モデルの生成能力を継承することが期待されている。
  論文  参考訳（メタデータ） (2023-05-15T20:24:38Z)
• Near-filed SAR Image Restoration with Deep Learning Inverse Technique: A Preliminary Study [5.489791364472879]
  近接場合成開口レーダ(SAR)は、ターゲットの散乱分布ホットスポットの高解像度画像を提供する。 一方、撮像の結果は、サイドローブ、クラッタ、ノイズから必然的に劣化する。 イメージを復元するために、現在の手法では、例えば、点拡散関数(PSF)は空間的に一貫したものであり、ターゲットはスパース点散乱器などで構成されている。 我々は、分解モデルを空間的に可変な複素畳み込みモデルに再構成し、近接場SARのシステム応答を考慮した。 モデルに基づくディープラーニングネットワークは、復元するために設計されている
  論文  参考訳（メタデータ） (2022-11-28T01:28:33Z)
• End-to-end Learning for Joint Depth and Image Reconstruction from Diffracted Rotation [10.896567381206715]
  回折回転から深度を学習する新しいエンド・ツー・エンド学習手法を提案する。 提案手法は, 単分子深度推定のタスクにおいて既存の手法よりもはるかに少ない複雑なモデルと少ないトレーニングデータを必要とする。
  論文  参考訳（メタデータ） (2022-04-14T16:14:37Z)
• Deep Probabilistic Imaging: Uncertainty Quantification and Multi-modal Solution Characterization for Computational Imaging [11.677576854233394]
  本稿では,再構成の不確かさを定量化するために,変分深い確率的イメージング手法を提案する。 Deep Probabilistic Imagingは、未学習の深部生成モデルを用いて、未観測画像の後部分布を推定する。
  論文  参考訳（メタデータ） (2020-10-27T17:23:09Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• 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)

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。