論文の概要: Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI

• arxiv url: http://arxiv.org/abs/2505.00643v1
• Date: Thu, 01 May 2025 16:31:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:55.373473
• Title: Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI
• Title（参考訳）: 高速リアルタイムダイナミックMRIのための深層学習支援外体積除去法
• Authors: Merve Gülle, Sebastian Weingärtner, Mehmet Akçakaya,
• Abstract要約: リアルタイム(RT)ダイナミックMRIは、迅速な生理的過程を捉える上で重要な役割を担っている。 RT cine MRIは高時間分解能心機能評価に重要である。 心外組織からのアーティファクトのエイリアス化により, RT cine MRI の高速化は困難である。
• 参考スコア（独自算出の注目度）: 2.512491726995032
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Real-time (RT) dynamic MRI plays a vital role in capturing rapid physiological processes, offering unique insights into organ motion and function. Among these applications, RT cine MRI is particularly important for functional assessment of the heart with high temporal resolution. RT imaging enables free-breathing, ungated imaging of cardiac motion, making it a crucial alternative for patients who cannot tolerate conventional breath-hold, ECG-gated acquisitions. However, achieving high acceleration rates in RT cine MRI is challenging due to aliasing artifacts from extra-cardiac tissues, particularly at high undersampling factors. In this study, we propose a novel outer volume removal (OVR) method to address this challenge by eliminating aliasing contributions from non-cardiac regions in a post-processing framework. Our approach estimates the outer volume signal for each timeframe using composite temporal images from time-interleaved undersampling patterns, which inherently contain pseudo-periodic ghosting artifacts. A deep learning (DL) model is trained to identify and remove these artifacts, producing a clean outer volume estimate that is subsequently subtracted from the corresponding k-space data. The final reconstruction is performed with a physics-driven DL (PD-DL) method trained using an OVR-specific loss function to restore high spatio-temporal resolution images. Experimental results show that the proposed method at high accelerations achieves image quality that is visually comparable to clinical baseline images, while outperforming conventional reconstruction techniques, both qualitatively and quantitatively. The proposed approach provides a practical and effective solution for artifact reduction in RT cine MRI without requiring acquisition modifications, offering a pathway to higher acceleration rates while preserving diagnostic quality.
• Abstract（参考訳）: リアルタイム(RT)ダイナミックMRIは、臓器の動きと機能に関するユニークな洞察を提供する、迅速な生理的プロセスを捉える上で重要な役割を担っている。 これらのうちRT cine MRIは高時間分解能心機能評価において特に重要である。 RTイメージングは、心臓の動きを自由呼吸で無作為に撮影することを可能にするため、従来の呼吸保持型心電図による取得を許容できない患者にとって重要な代替手段となる。 しかし, 心外組織, 特に高アンダーサンプリング因子からのアーティファクトのエイリアス化により, RT cine MRIにおいて高い加速率を達成することは困難である。 本研究では,非心臓領域からのコントリビューションを後処理フレームワークで除去することで,この課題に対処する新しい外体積除去法を提案する。 提案手法は, 擬似周期ゴーストアーティファクトを含む時系列アンダーサンプリングパターンから合成時空間画像を用いて, 時間軸毎の外部体積信号を推定する。 深層学習(DL)モデルは、これらのアーティファクトを識別し、除去するために訓練され、クリーンな外体積推定結果が、対応するk空間データから抽出される。 物理駆動型DL(PD-DL)法をOVR特異的損失関数を用いて訓練し,高時空間分解能画像の復元を行う。 実験の結果,提案手法は臨床ベースライン画像と視覚的に匹敵する画質を実現するとともに,定性的かつ定量的に従来の再建技術より優れていることがわかった。 提案手法は,RTシネMRIのアーティファクト低減のための実用的で効果的な方法であり,診断品質を保ちながら,高い加速速度への経路を提供する。

関連論文リスト

• Subspace Implicit Neural Representations for Real-Time Cardiac Cine MR Imaging [9.373081514803303]
  本稿では,連続した放射状データを用いたリアルタイム心血管MRIのためのサブスペース暗黙的ニューラル表現に基づく再構成フレームワークを提案する。 本手法は,トレーニング中に連続サンプリングしたラジアルk空間スポークを直接利用することにより,バイナリ化や非一様FFTの必要性を解消する。
  論文  参考訳（メタデータ） (2024-12-17T10:06:37Z)
• Motion Artifact Removal in Pixel-Frequency Domain via Alternate Masks and Diffusion Model [58.694932010573346]
  MRI(MRI)における運動アーチファクトは臨床診断に深刻な干渉を与える可能性がある。 ノイズの多いMRI画像の画素周波数情報を利用して、事前学習した拡散モデルを誘導し、クリーンなMRI画像の復元を行う新しい教師なし浄化法を提案する。
  論文  参考訳（メタデータ） (2024-12-10T15:25:18Z)
• TEAM PILOT -- Learned Feasible Extendable Set of Dynamic MRI Acquisition Trajectories [2.7719338074999547]
  本稿では,3次元ウィンドウアテンションとフレキシブルで時間的に拡張可能な獲得軌跡を用いた新しい深部圧縮型センシング手法を提案する。 本手法は既存の手法と比較してトレーニング時間と推論時間を著しく短縮する。 実データによるテストは、我々のアプローチが現在の最先端技術よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-09-19T13:45:13Z)
• Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
  我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。 我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。 本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
  論文  参考訳（メタデータ） (2024-04-26T14:25:07Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• 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)
• STRESS: Super-Resolution for Dynamic Fetal MRI using Self-Supervised Learning [2.5581619987137048]
  我々は,インターリーブスライス獲得を伴う動的胎児MRIのための自己教師付き超解像フレームワークSTRESSを提案する。 提案手法は,低解像度画像と高解像度画像のペアを生成するために,元の取得データに基づいて,高解像度軸に沿ったインターリーブスライス取得をシミュレートする。 シミュレーションおよび子宮内データによる評価の結果,提案手法は他の自己教師付き超解像法よりも優れていた。
  論文  参考訳（メタデータ） (2021-06-23T13:52:11Z)
• 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)
• Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural Network [18.433956246011466]
  本研究では,運動ブラスト心画像から空間的特徴と時間的特徴を同時に抽出するリカレントニューラルネットワークを提案する。 実験の結果,2つの臨床検査データセットの画質が有意に向上した。
  論文  参考訳（メタデータ） (2020-06-23T01:55:57Z)
• 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)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。