論文の概要: Delta-WKV: A Novel Meta-in-Context Learner for MRI Super-Resolution

• arxiv url: http://arxiv.org/abs/2502.20852v1
• Date: Fri, 28 Feb 2025 08:49:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:40:50.689207
• Title: Delta-WKV: A Novel Meta-in-Context Learner for MRI Super-Resolution
• Title（参考訳）: Delta-WKV:MRI超解像のための新しいメタインコンテキスト学習器
• Authors: Rongchang Lu, Bingcheng Liao, Haowen Hou, Jiahang Lv, Xin Hai,
• Abstract要約: 我々は,メタ・イン・コンテキスト・ラーニング(MiCL)とデルタ・ルールを組み合わせた新しいMRI超解像モデルであるDelta-WKVを提案し,MRI画像の局所パターンとグローバルパターンの両方をよりよく認識する。 デルタ-WKVは既存の手法より優れており、PSNRを0.06dB、SSIMを0.001改善し、トレーニングと推論時間を15%以上削減している。
• 参考スコア（独自算出の注目度）: 0.7864304771129751
• License:
• Abstract: Magnetic Resonance Imaging (MRI) Super-Resolution (SR) addresses the challenges such as long scan times and expensive equipment by enhancing image resolution from low-quality inputs acquired in shorter scan times in clinical settings. However, current SR techniques still have problems such as limited ability to capture both local and global static patterns effectively and efficiently. To address these limitations, we propose Delta-WKV, a novel MRI super-resolution model that combines Meta-in-Context Learning (MiCL) with the Delta rule to better recognize both local and global patterns in MRI images. This approach allows Delta-WKV to adjust weights dynamically during inference, improving pattern recognition with fewer parameters and less computational effort, without using state-space modeling. Additionally, inspired by Receptance Weighted Key Value (RWKV), Delta-WKV uses a quad-directional scanning mechanism with time-mixing and channel-mixing structures to capture long-range dependencies while maintaining high-frequency details. Tests on the IXI and fastMRI datasets show that Delta-WKV outperforms existing methods, improving PSNR by 0.06 dB and SSIM by 0.001, while reducing training and inference times by over 15\%. These results demonstrate its efficiency and potential for clinical use with large datasets and high-resolution imaging.
• Abstract（参考訳）: 磁気共鳴イメージング(MRI)スーパーリゾリューション(SR)は、長期スキャン時間や高価な機器などの課題に対処し、臨床環境でより短いスキャン時間で取得した低品質入力から画像の解像度を高める。 しかし、現在のSR技術には、局所的な静的パターンとグローバルな静的パターンの両方を効果的かつ効率的にキャプチャする能力の制限のような問題がある。 これらの制約に対処するために,メタ・イン・コンテキスト学習(MiCL)とデルタルールを組み合わせた新しいMRI超解像モデルDelta-WKVを提案し,MRI画像の局所パターンとグローバルパターンの両方をよりよく認識する。 このアプローチにより、Delta-WKVは、状態空間モデリングを使わずに、推論中の重みを動的に調整し、より少ないパラメータと少ない計算労力でパターン認識を改善することができる。 さらに、Receptance Weighted Key Value (RWKV)にインスパイアされたDelta-WKVは、時間混合とチャネル混合構造を備えたクアッド方向走査機構を使用して、高周波の詳細を維持しながら長距離依存関係をキャプチャする。 IXIデータセットと高速MRIデータセットの試験では、Delta-WKVは既存の手法よりも優れており、PSNRを0.06dB、SSIMを0.001改善し、トレーニングと推論時間を15\%以上削減している。 これらの結果は, 大規模データセットと高解像度画像を用いた臨床応用の可能性を示すものである。

関連論文リスト

• Distillation-Driven Diffusion Model for Multi-Scale MRI Super-Resolution: Make 1.5T MRI Great Again [8.193689534916988]
  7T MRIは空間分解能を著しく向上させ、解剖学的構造のより微細な可視化を可能にした。 標準1.5T MRIスキャンから7T様MRIを生成するために,超解像(SR)モデルを提案する。 学生モデルは7T SRタスクをステップで洗練し、教師モデルの推論フェーズから特徴マップをガイダンスとして活用する。
  論文  参考訳（メタデータ） (2025-01-30T20:21:11Z)
• Deep Multi-contrast Cardiac MRI Reconstruction via vSHARP with Auxiliary Refinement Network [7.043932618116216]
  本稿では,2次元動的マルチコントラスト,マルチスキーム,マルチアクセラレーションMRIの深層学習に基づく再構成手法を提案する。 提案手法は,半2乗変数分割とADMM最適化を利用した最先端のvSHARPモデルを統合する。
  論文  参考訳（メタデータ） (2024-11-02T15:59:35Z)
• 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)
• TC-KANRecon: High-Quality and Accelerated MRI Reconstruction via Adaptive KAN Mechanisms and Intelligent Feature Scaling [8.301957310590712]
  本研究は,TC-KANReconと命名された,革新的な条件付き拡散モデルを提案する。 Multi-Free U-KAN (MF-UKAN) モジュールと動的クリッピング戦略が組み込まれている。 実験により,提案手法は定性評価と定量的評価の両方において,他のMRI再建法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-11T06:31:56Z)
• Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
  高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。 この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
  論文  参考訳（メタデータ） (2023-07-12T00:01:00Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• 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)
• 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)
• ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
  SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。 ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
  論文  参考訳（メタデータ） (2021-02-25T14:52:23Z)
• Deep Residual Dense U-Net for Resolution Enhancement in Accelerated MRI Acquisition [19.422926534305837]
  本稿では,MRIの高速化による高画質画像の再構成を目的としたディープラーニング手法を提案する。 具体的には、畳み込みニューラルネットワーク(CNN)を用いて、エイリアス画像と元の画像の違いを学習する。 ダウンサンプリングされたk空間データの特異性を考慮すると、与えられたk空間データを効果的に活用する学習における損失関数に新しい用語を導入する。
  論文  参考訳（メタデータ） (2020-01-13T19:01:17Z)

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。