論文の概要: Self-Consistent Nested Diffusion Bridge for Accelerated MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2412.09998v2
• Date: Mon, 28 Apr 2025 02:56:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-29 18:43:11.049697
• Title: Self-Consistent Nested Diffusion Bridge for Accelerated MRI Reconstruction
• Title（参考訳）: 高速MRI再建のための自己持続性ネスト拡散ブリッジ
• Authors: Tao Song, Yicheng Wu, Minhao Hu, Xiangde Luo, Guoting Luo, Guotai Wang, Yi Guo, Feng Xu, Shaoting Zhang,
• Abstract要約: 画像画像を用いたMRI画像再構成の課題に焦点をあてる。 拡散モデルの最近の進歩、特に拡散確率モデルのデノベーションは、画像先行をモデル化する上で強力な能力を示している。 我々は,MRI再構成の高速化をモデルとした自己持続性ネスト拡散橋(SC-NDB)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 22.589087990596887
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accelerated MRI reconstruction plays a vital role in reducing scan time while preserving image quality. While most existing methods rely on complex-valued image-space or k-space data, these formats are often inaccessible in clinical practice due to proprietary reconstruction pipelines, leaving only magnitude images stored in DICOM files. To address this gap, we focus on the underexplored task of magnitude-image-based MRI reconstruction. Recent advancements in diffusion models, particularly denoising diffusion probabilistic models (DDPMs), have demonstrated strong capabilities in modeling image priors. However, their task-agnostic denoising nature limits performance in source-to-target image translation tasks, such as MRI reconstruction. In this work, we propose a novel Self-Consistent Nested Diffusion Bridge (SC-NDB) framework that models accelerated MRI reconstruction as a bi-directional image translation process between under-sampled and fully-sampled magnitude MRI images. SC-NDB introduces a nested diffusion architecture with a self-consistency constraint and reverse bridge diffusion pathways to improve intermediate prediction fidelity and better capture the explicit priors of source images. Furthermore, we incorporate a Contour Decomposition Embedding Module (CDEM) to inject structural and textural knowledge by leveraging Laplacian pyramids and directional filter banks. Extensive experiments on the fastMRI and IXI datasets demonstrate that our method achieves state-of-the-art performance compared to both magnitude-based and non-magnitude-based diffusion models, confirming the effectiveness and clinical relevance of SC-NDB.
• Abstract（参考訳）: 画像品質を保ちながら、スキャン時間を短縮する上で、加速MRI再構成は重要な役割を担っている。 既存のほとんどの手法は複雑な画像空間やk空間のデータに頼っているが、これらのフォーマットはプロプライエタリな再構築パイプラインのために臨床実践ではアクセスできないことが多く、DICOMファイルに保存される画像は桁違いである。 このギャップに対処するために、大画像に基づくMRI再構成の未探索課題に焦点をあてる。 拡散モデル、特に拡散確率モデル(DDPM)の最近の進歩は、画像先行のモデリングにおいて強力な能力を示している。 しかし、そのタスク非依存な特徴は、MRI再構成のようなソースからターゲットへの画像翻訳タスクのパフォーマンスを制限している。 本研究では,低サンプリング画像と完全サンプリング画像の双方向画像変換プロセスとして,MRI再構成の高速化をモデルとした新しい自己持続性ネスト拡散ブリッジ(SC-NDB)を提案する。 SC-NDBは、自己整合性制約と逆ブリッジ拡散経路を備えたネスト拡散アーキテクチャを導入し、中間予測精度を改善し、ソースイメージの明示的な先行をよりよくキャプチャする。 さらに,ラプラシアンピラミッドと指向性フィルタバンクを利用して,構造的およびテクスチャ的知識を注入するために,Contour Decomposition Embedding Module (CDEM) を組み込んだ。 fastMRI と IXI データセットの大規模な実験により, SC-NDB の有効性と臨床的妥当性を検証し, 等級に基づく拡散モデルと非等級に基づく拡散モデルを比較した。

関連論文リスト

• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• Highly Accelerated MRI via Implicit Neural Representation Guided Posterior Sampling of Diffusion Models [2.5412006057370893]
  Inlicit Neural representation (INR) は、逆問題を解決するための強力なパラダイムとして登場した。 提案するフレームワークは、他の医療画像タスクにおける逆問題を解決するための一般化可能なフレームワークである。
  論文  参考訳（メタデータ） (2024-07-03T01:37:56Z)
• 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)
• Learning to Reconstruct Accelerated MRI Through K-space Cold Diffusion without Noise [2.7802624923496353]
  ガウス雑音を伴わずにk空間における画像劣化と復元を行うk空間冷拡散モデルを提案する。 以上の結果から, この新たな劣化処理により, 高速MRIのための高品質な再構成画像が生成できることが示唆された。
  論文  参考訳（メタデータ） (2023-11-16T19:34:18Z)
• Diffusion Modeling with Domain-conditioned Prior Guidance for Accelerated MRI and qMRI Reconstruction [3.083408283778178]
  本研究では,ネイティブデータ領域に条件付き拡散モデルに基づく画像再構成手法を提案する。 提案手法は,特に加速係数の高い画像の再構成において,有意義な可能性を証明している。
  論文  参考訳（メタデータ） (2023-09-02T01:33:50Z)
• Steerable Conditional Diffusion for Out-of-Distribution Adaptation in Medical Image Reconstruction [75.91471250967703]
  我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。 このフレームワークは、利用可能な測定によって提供される情報のみに基づいて、画像再構成と並行して拡散モデルを適用する。 様々な画像モダリティにまたがるアウト・オブ・ディストリビューション性能の大幅な向上を実現した。
  論文  参考訳（メタデータ） (2023-08-28T08:47:06Z)
• Self-Supervised MRI Reconstruction with Unrolled Diffusion Models [27.143473617162304]
  自己監督型拡散再構成モデル(SSDiffRecon)を提案する。 SSDiffReconは、物理駆動処理のためのデータ一貫性ブロックと逆拡散ステップのためのクロスアテンショントランスフォーマーをインターリーブする条件拡散プロセスを表現する。 公開脳MRデータセットを用いた実験は、SSDiffReconの再構築速度と品質の点で、最先端の教師付きベースラインと自己教師付きベースラインに対する優位性を示す。
  論文  参考訳（メタデータ） (2023-06-29T03:31:46Z)
• 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)
• SPIRiT-Diffusion: SPIRiT-driven Score-Based Generative Modeling for Vessel Wall imaging [17.56962674277573]
  本研究では,SPIRiT反復再構成アルゴリズムに基づく新しい拡散モデルSPIRiT-Diffusionを提案する。 具体的には、SPIRiT-Diffusionは、スコアマッチングによりコイルバイコイル画像の事前分布を特徴付ける。 頭蓋内画像と頸動脈壁画像の併用による再建成績は良好である。
  論文  参考訳（メタデータ） (2022-12-14T02:08:02Z)
• Stable Deep MRI Reconstruction using Generative Priors [13.400444194036101]
  本稿では,参照等級画像のみを生成的設定でトレーニングした,新しいディープニューラルネットワークベース正規化器を提案する。 その結果,最先端のディープラーニング手法に匹敵する競争性能が示された。
  論文  参考訳（メタデータ） (2022-10-25T08:34:29Z)
• Model-Guided Multi-Contrast Deep Unfolding Network for MRI Super-resolution Reconstruction [68.80715727288514]
  MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。 本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
  論文  参考訳（メタデータ） (2022-09-15T03:58:30Z)
• 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)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• 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)
• Multi-institutional Collaborations for Improving Deep Learning-based Magnetic Resonance Image Reconstruction Using Federated Learning [62.17532253489087]
  深層学習法はmr画像再構成において優れた性能をもたらすことが示されている。 これらの方法は、高い取得コストと医療データプライバシー規制のために収集および共有が困難である大量のデータを必要とします。 我々は,異なる施設で利用可能なmrデータを活用し,患者のプライバシーを保ちながら,連合学習(fl)ベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2021-03-03T03:04:40Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。