論文の概要: Rapid Reconstruction of Extremely Accelerated Liver 4D MRI via Chained Iterative Refinement

• arxiv url: http://arxiv.org/abs/2412.10629v1
• Date: Sat, 14 Dec 2024 00:43:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:59:35.233556
• Title: Rapid Reconstruction of Extremely Accelerated Liver 4D MRI via Chained Iterative Refinement
• Title（参考訳）: 鎖状イテレーティブリファインメントによる超高速肝4D MRIの迅速再建
• Authors: Di Xu, Xin Miao, Hengjie Liu, Jessica E. Scholey, Wensha Yang, Mary Feng, Michael Ohliger, Hui Lin, Yi Lao, Yang Yang, Ke Sheng,
• Abstract要約: 高品質の4D MRIでは、すべての呼吸位相をカバーする高密度k空間信号の取得には、不可分に長い走査時間が必要である。 本稿では,効率的なスパースサンプリング再構成のための連鎖反復再構成ネットワーク(CIRNet)を提案する。 CIRNetは、加速のための画像品質を最大30倍に維持し、4DMRIの負担を大幅に削減する。
• 参考スコア（独自算出の注目度）: 8.880834588879525
• License:
• Abstract: Abstract Purpose: High-quality 4D MRI requires an impractically long scanning time for dense k-space signal acquisition covering all respiratory phases. Accelerated sparse sampling followed by reconstruction enhancement is desired but often results in degraded image quality and long reconstruction time. We hereby propose the chained iterative reconstruction network (CIRNet) for efficient sparse-sampling reconstruction while maintaining clinically deployable quality. Methods: CIRNet adopts the denoising diffusion probabilistic framework to condition the image reconstruction through a stochastic iterative denoising process. During training, a forward Markovian diffusion process is designed to gradually add Gaussian noise to the densely sampled ground truth (GT), while CIRNet is optimized to iteratively reverse the Markovian process from the forward outputs. At the inference stage, CIRNet performs the reverse process solely to recover signals from noise, conditioned upon the undersampled input. CIRNet processed the 4D data (3D+t) as temporal slices (2D+t). The proposed framework is evaluated on a data cohort consisting of 48 patients (12332 temporal slices) who underwent free-breathing liver 4D MRI. 3-, 6-, 10-, 20- and 30-times acceleration were examined with a retrospective random undersampling scheme. Compressed sensing (CS) reconstruction with a spatiotemporal constraint and a recently proposed deep network, Re-Con-GAN, are selected as baselines. Results: CIRNet consistently achieved superior performance compared to CS and Re-Con-GAN. The inference time of CIRNet, CS, and Re-Con-GAN are 11s, 120s, and 0.15s. Conclusion: A novel framework, CIRNet, is presented. CIRNet maintains useable image quality for acceleration up to 30 times, significantly reducing the burden of 4DMRI.
• Abstract（参考訳）: 抽象的目的: 高品質な4D MRIでは、すべての呼吸位相をカバーする高密度k空間信号の取得には、急激な走査時間が必要となる。 高速化されたスパースサンプリングと再構成の強化が望まれるが、劣化した画像品質と長い復元時間をもたらすことがしばしばある。 本稿では,クリニカルデプロイ可能な品質を維持しつつ,効率的なスパースサンプリング再構築のための連鎖反復再建ネットワーク(CIRNet)を提案する。 方法: CIRNetは、確率的反復的復調過程を通じて画像再構成を条件付けるために、拡散確率フレームワークを採用する。 トレーニング中、フォワードマルコフ拡散過程は、密集した基底真理(GT)にガウスノイズを徐々に加えるように設計され、一方CIRNetは、フォワード出力からマルコフ過程を反復的に反転するように最適化されている。 推測段階では、CIRNetは、アンダーサンプされた入力に条件付けられたノイズから信号を取り戻すためにのみ、逆処理を実行する。 CIRNetは4Dデータ(3D+t)を時間スライス(2D+t)として処理した。 自家肝4D MRIを施行した48例(12332例)のデータコホートを用いて,本フレームワークの評価を行った。 3, 6-, 10-, 20-, 30-timesAcceleration with a retrospective random undersampling scheme。 最近提案された深部ネットワークRe-Con-GANをベースラインとして圧縮センシング(CS)再構成を行った。 結果: CIRNet は CS や Re-Con-GAN に比べて一貫して優れた性能を示した。 CIRNet、CS、Re-Con-GANの推測時間は11s、120s、0.15sである。 結論: CIRNetという新しいフレームワークが紹介されている。 CIRNetは、最大で30倍の高速化が可能な画像品質を維持し、4DMRIの負担を大幅に軽減する。

関連論文リスト

• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。 我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。 我々の推論速度は拡散法よりも1,400倍速い。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Paired Conditional Generative Adversarial Network for Highly Accelerated Liver 4D MRI [8.880834588879525]
  本研究では,4次元MRI再構成時間を短縮するReconstruct Paired Generative Adrial Network (Re-Con-GAN)を提案する。 ResNet9, UNet, Restructation Swin Transformerの3種類のネットワークがジェネレータとして探索された。 Re-Con-GANはCS/UNetモデルと比較してPSNR、SSIM、RMSEのスコアを一貫して達成した。
  論文  参考訳（メタデータ） (2024-05-20T20:14:23Z)
• Cine cardiac MRI reconstruction using a convolutional recurrent network with refinement [9.173298795526152]
  心臓MRI再建における時間的相関を利用した畳み込みリカレントニューラルネットワーク(CRNN)アーキテクチャについて検討した。 これは、単一画像の超解像度リファインメントモジュールと組み合わせて、単一コイルの再構築を4.4%、正規化平均二乗誤差3.9%改善する。 提案モデルでは, ベースライン症例と比較して有意に拡張され, 心臓MRI再建のさらなる改善に有望な可能性を秘めている。
  論文  参考訳（メタデータ） (2023-09-23T14:07:04Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• Hybrid Parallel Imaging and Compressed Sensing MRI Reconstruction with GRAPPA Integrated Multi-loss Supervised GAN [2.7110495144693374]
  本稿では, 再構成画像のデエイリアスのために, マルチモーダルな損失を抑える新しいGAN(Generative Adversarial Network)を提案する。 提案手法は, 画像品質の向上に寄与し, 5倍, 10倍の高速化を実現した。
  論文  参考訳（メタデータ） (2022-09-19T07:26:45Z)
• REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
  REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。 高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
  論文  参考訳（メタデータ） (2022-08-17T03:42:19Z)
• 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)
• ReconResNet: Regularised Residual Learning for MR Image Reconstruction of Undersampled Cartesian and Radial Data [0.3694429692322631]
  データの一部(アンダーサンプリング)を無視して取得速度を上げることができる これにより、解像度の低下や画像アーティファクトの導入など、画質が劣化する。 深層学習は研究の非常に重要な分野として現れ、逆問題の解決に大きな可能性を示してきました。
  論文  参考訳（メタデータ） (2021-03-16T17:24:30Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• Deep variational network for rapid 4D flow MRI reconstruction [0.5156484100374058]
  長い生体内スキャンタイムは、データ相関を利用する加速イメージング技術を必要とする。 本稿では,効率的なモデルベースディープニューラルネットワークを提案する。 ネットワークは、標準の消費者向けハードウェア上で、アンサンプされた4DフローMRIデータを1分以内で再構築する。
  論文  参考訳（メタデータ） (2020-04-20T20:17:49Z)

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。