論文の概要: Q-space Guided Collaborative Attention Translation Network for Flexible Diffusion-Weighted Images Synthesis

• arxiv url: http://arxiv.org/abs/2505.09323v1
• Date: Wed, 14 May 2025 12:23:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.447247
• Title: Q-space Guided Collaborative Attention Translation Network for Flexible Diffusion-Weighted Images Synthesis
• Title（参考訳）: Q-space Guided Collaborative Attention Translation Network for Flexible Diffusion-Weighted Image Synthesis
• Authors: Pengli Zhu, Yingji Fu, Nanguang Chen, Anqi Qiu,
• Abstract要約: マルチシェル高角分解能DWI(MS-HARDI)合成のためのQ-space Guided Collaborative Attention Translation Networks (Q-CATN)を提案する。 Q-CATNは、複数のモードから補完情報を効果的に抽出し、柔軟なq空間情報に基づいて内部表現を動的に調整する、協調的な注意機構を採用している。
• 参考スコア（独自算出の注目度）: 0.9999629695552193
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study, we propose a novel Q-space Guided Collaborative Attention Translation Networks (Q-CATN) for multi-shell, high-angular resolution DWI (MS-HARDI) synthesis from flexible q-space sampling, leveraging the commonly acquired structural MRI data. Q-CATN employs a collaborative attention mechanism to effectively extract complementary information from multiple modalities and dynamically adjust its internal representations based on flexible q-space information, eliminating the need for fixed sampling schemes. Additionally, we introduce a range of task-specific constraints to preserve anatomical fidelity in DWI, enabling Q-CATN to accurately learn the intrinsic relationships between directional DWI signal distributions and q-space. Extensive experiments on the Human Connectome Project (HCP) dataset demonstrate that Q-CATN outperforms existing methods, including 1D-qDL, 2D-qDL, MESC-SD, and QGAN, in estimating parameter maps and fiber tracts both quantitatively and qualitatively, while preserving fine-grained details. Notably, its ability to accommodate flexible q-space sampling highlights its potential as a promising toolkit for clinical and research applications. Our code is available at https://github.com/Idea89560041/Q-CATN.
• Abstract（参考訳）: 本稿では,多殻高角分解能DWI(MS-HARDI)合成のためのQ-space Guided Collaborative Attention Translation Networks (Q-CATN)を提案する。 Q-CATNは、複数のモードから補完情報を効果的に抽出し、柔軟なq空間情報に基づいて内部表現を動的に調整し、固定されたサンプリングスキームを不要にするために協調的な注意機構を用いる。 さらに,Q-CATNは,DWI信号分布とq空間の固有関係を正確に学習することができる。 ヒューマン・コネクトーム・プロジェクト(HCP)データセットの大規模な実験により、Q-CATNは1D-qDL、2D-qDL、MESC-SD、QGANを含む既存の手法より優れていることが示された。 特に、柔軟なq空間サンプリングに対応する能力は、臨床および研究応用のための有望なツールキットとしての可能性を強調している。 私たちのコードはhttps://github.com/Idea89560041/Q-CATNで利用可能です。

関連論文リスト

• Channel Fingerprint Construction for Massive MIMO: A Deep Conditional Generative Approach [65.47969413708344]
  CF双生児の概念を導入し、条件付き生成拡散モデル(CGDM)を設計する。 本研究では, 粗粒CFに条件付き観測された細粒CFの対数分布に対するエビデンスローバウンド(ELBO)を導出するために, 変分推論手法を用いる。 提案手法は, ベースラインと比較して, 復元性能が著しく向上していることを示す。
  論文  参考訳（メタデータ） (2025-05-12T01:36:06Z)
• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。 スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。 分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。 本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• Unlocking Potential Binders: Multimodal Pretraining DEL-Fusion for Denoising DNA-Encoded Libraries [51.72836644350993]
  マルチモーダルプレトレーニング DEL-Fusion Model (MPDF) 我々は,異なる複合表現とそれらのテキスト記述の対比対象を適用した事前学習タスクを開発する。 本稿では, 原子, 分子, 分子レベルでの複合情報をアマルガメートする新しいDEL融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-07T17:32:21Z)
• HCS-TNAS: Hybrid Constraint-driven Semi-supervised Transformer-NAS for Ultrasound Image Segmentation [0.34089646689382486]
  超音波セグメンテーションのためのハイブリッド拘束駆動半教師型トランスフォーマー-NAS(HCS-TNAS)を提案する。 HCS-TNASは、ViTのアテンション計算の前に、マルチスケールトークン検索のための効率的なNAS-ViTモジュールを含み、より少ない計算コストでコンテキスト情報とローカル情報を効果的にキャプチャする。 公開データセットの実験では、HCS-TNASが最先端のパフォーマンスを達成し、超音波セグメンテーションの限界を押し上げることが示されている。
  論文  参考訳（メタデータ） (2024-07-05T01:02:12Z)
• Generalizing Medical Image Representations via Quaternion Wavelet Networks [9.836302410524842]
  医用画像から健全な特徴を抽出できる,新しい,一般化可能な,データに依存しないフレームワークを提案する。 提案する4元ウェーブレットネットワーク(quaVE)は,既存の医用画像解析や合成作業と容易に統合できる。
  論文  参考訳（メタデータ） (2023-10-16T09:34:06Z)
• You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
  本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。 まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。 FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。 エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
  論文  参考訳（メタデータ） (2023-10-14T11:03:04Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。