論文の概要: Estimation of 3T MR images from 1.5T images regularized with Physics based Constraint

• arxiv url: http://arxiv.org/abs/2501.01464v1
• Date: Tue, 31 Dec 2024 17:45:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-06 15:11:58.134064
• Title: Estimation of 3T MR images from 1.5T images regularized with Physics based Constraint
• Title（参考訳）: 物理ベース制約による1.5T画像からの3TMR画像の推定
• Authors: Prabhjot Kaur, Atul Singh Minhas, Chirag Kamal Ahuja, Anil Kumar Sao,
• Abstract要約: 既存のポストプロセッシング手法では, 3T 画像を改良して 7T ライクな画像を生成することが可能である。 低視野(LF, =1.5T)画像の改善には,画質の低下による新たな課題が伴うことが観察されている。 本稿では、1.5T画像の品質向上のための教師なしのフレームワークを取り上げ、サンプル画像の高価な要求を回避する。
• 参考スコア（独自算出の注目度）: 1.43494686131174
• License:
• Abstract: Limited accessibility to high field MRI scanners (such as 7T, 11T) has motivated the development of post-processing methods to improve low field images. Several existing post-processing methods have shown the feasibility to improve 3T images to produce 7T-like images [3,18]. It has been observed that improving lower field (LF, <=1.5T) images comes with additional challenges due to poor image quality such as the function mapping 1.5T and higher field (HF, 3T) images is more complex than the function relating 3T and 7T images [10]. Except for [10], no method has been addressed to improve <=1.5T MRI images. Further, most of the existing methods [3,18] including [10] require example images, and also often rely on pixel to pixel correspondences between LF and HF images which are usually inaccurate for <=1.5T images. The focus of this paper is to address the unsupervised framework for quality improvement of 1.5T images and avoid the expensive requirements of example images and associated image registration. The LF and HF images are assumed to be related by a linear transformation (LT). The unknown HF image and unknown LT are estimated in alternate minimization framework. Further, a physics based constraint is proposed that provides an additional non-linear function relating LF and HF images in order to achieve the desired high contrast in estimated HF image. The experimental results demonstrate that the proposed approach provides processed 1.5T images, i.e., estimated 3T-like images with improved image quality, and is comparably better than the existing methods addressing similar problems. The improvement in image quality is also shown to provide better tissue segmentation and volume quantification as compared to scanner acquired 1.5T images.
• Abstract（参考訳）: 高磁場MRIスキャナ(7T, 11T)へのアクセシビリティの制限は、低磁場画像を改善するための後処理手法の開発を動機付けている。 既存のポストプロセッシング手法では、7Tライクな画像を生成するために3Tイメージを改善することが可能であることが示されている[3,18]。 また,低域 (LF, <=1.5T) 画像の改善には,関数写像 1.5T や高域 (HF, 3T) 画像が 3T および 7T 画像に関連する機能よりも複雑であるなど,画質の低下が伴う。 10]を除くと, <=1.5T MRI画像を改善する方法はない。 さらに, [10] を含む既存の手法のほとんどがサンプル画像を必要とし, <=1.5T 画像に対して不正確である LF 画像と HF 画像との画素対応にも依存することが多い。 本研究の目的は、1.5T画像の品質向上のための教師なしの枠組みに対処し、サンプル画像と関連する画像登録の高価な要求を回避することである。 LFとHFの画像は線形変換(LT)によって関連づけられる。 未知のHF画像と未知のLTは、代替の最小化フレームワークで推定される。 さらに、推定HF画像における所望の高コントラストを達成するために、LFおよびHF画像に関する追加の非線形関数を提供する物理ベースの制約を提案する。 実験結果から,提案手法は画像品質が向上した3Tライクな3Tライクな画像を処理し,類似した問題に対処する既存手法よりも良好であることがわかった。 また, 画像品質の向上により, 走査型1.5T画像と比較して, 組織セグメンテーションと体積定量化の精度が向上した。

関連論文リスト

• Haar Nuclear Norms with Applications to Remote Sensing Imagery Restoration [53.68392692185276]
  本稿では,Har Nuclear norm (HNN) という,高効率かつ効率的なリモートセンシング画像復元のための新しい低ランク正規化用語を提案する。 2次元前方スライス-ワイド・ハール離散ウェーブレット変換から導出されるウェーブレット係数の低ランク特性を利用する。 ハイパースペクトル像の着色, マルチテンポラル画像雲の除去, ハイパースペクトル像の脱色実験により, HNNの可能性が明らかとなった。
  論文  参考訳（メタデータ） (2024-07-11T13:46:47Z)
• Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
  本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。 本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。 本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
  論文  参考訳（メタデータ） (2024-02-28T09:27:41Z)
• J-Net: Improved U-Net for Terahertz Image Super-Resolution [3.695428868211677]
  テラヘルツ波(英: Terahertz、THz)は、0.1から10Hzの周波数範囲の電磁波である。 THz画像は、THz波の長波長のため解像度が低い。 我々は、THz画像の超解像を解くために、J-Netと呼ばれる新しいネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-12-04T05:39:51Z)
• DIFFNAT: Improving Diffusion Image Quality Using Natural Image Statistics [39.457325373431836]
  そこで本研究では, 損失関数, viz., Kurtosis concentration (KC) の損失を総合的に保存する「自然性」を提案する。 我々のモチベーションは、自然画像の予測された硬変濃度特性に起因している。 生成した画像の「自然性」を維持するため,最高値と最低値とのギャップを小さくする。
  論文  参考訳（メタデータ） (2023-11-16T10:28:59Z)
• A 3D Conditional Diffusion Model for Image Quality Transfer -- An Application to Low-Field MRI [3.1342829196938937]
  低磁場(LF)MRIスキャナは、限られたリソースや信頼性の低い電源の設定で依然として一般的である。 彼らはしばしば、高磁場(HF)スキャナよりも空間分解能とコントラストの低い画像を生成する。 画像品質伝達(IQT)は,低画質画像と高画質画像のマッピング関数を学習することにより,画像の品質を高めるために開発された。
  論文  参考訳（メタデータ） (2023-11-11T18:30:56Z)
• Frequency Domain Decomposition Translation for Enhanced Medical Image Translation Using GANs [1.695249173404529]
  周波数領域分解変換(FDDT)と呼ばれる新しい手法を提案する。 FDDTは元の画像を高周波成分と低周波成分に分解する。 我々はFDDTといくつかの主流ベースラインモデルを用いたMRI画像と自然画像の実験を行った。
  論文  参考訳（メタデータ） (2023-11-06T15:09:39Z)
• Unpaired Optical Coherence Tomography Angiography Image Super-Resolution via Frequency-Aware Inverse-Consistency GAN [6.717440708401628]
  本稿では,GANに基づくOCTA画像の非ペア化超解像法を提案する。 また,再構成画像の正確なスペクトル化を容易にするため,識別器の周波数認識による逆方向の損失も提案する。 実験により,本手法は,他の最先端の未経験手法よりも定量的,視覚的に優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-29T14:19:51Z)
• Hierarchical Conditional Flow: A Unified Framework for Image Super-Resolution and Image Rescaling [139.25215100378284]
  画像SRと画像再スケーリングのための統合フレームワークとして階層的条件フロー(HCFlow)を提案する。 HCFlowは、LR画像と残りの高周波成分の分布を同時にモデル化することにより、HRとLR画像ペア間のマッピングを学習する。 さらに性能を高めるために、知覚的損失やGAN損失などの他の損失と、トレーニングで一般的に使用される負の対数類似損失とを組み合わせる。
  論文  参考訳（メタデータ） (2021-08-11T16:11:01Z)
• Towards Unsupervised Deep Image Enhancement with Generative Adversarial Network [92.01145655155374]
  監視されていない画像強調生成ネットワーク(UEGAN)を提案する。 教師なしの方法で所望の特性を持つ画像の集合から、対応する画像と画像のマッピングを学習する。 その結果,提案モデルは画像の美的品質を効果的に向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T03:22:46Z)
• Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
  空間情報とスペクトル情報の相互モダリティ分布が問題となる。 本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。 本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
  論文  参考訳（メタデータ） (2020-06-18T06:32:11Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

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。