論文の概要: From Coarse to Continuous: Progressive Refinement Implicit Neural Representation for Motion-Robust Anisotropic MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2506.16210v1
• Date: Thu, 19 Jun 2025 10:58:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.037071
• Title: From Coarse to Continuous: Progressive Refinement Implicit Neural Representation for Motion-Robust Anisotropic MRI Reconstruction
• Title（参考訳）: 運動障害性異方性MRI再建のための粗面から連続面へのプログレッシブリファインメントによる神経表現
• Authors: Zhenxuan Zhang, Lipei Zhang, Yanqi Cheng, Zi Wang, Fanwen Wang, Haosen Zhang, Yue Yang, Yinzhe Wu, Jiahao Huang, Angelica I Aviles-Rivero, Zhifan Gao, Guang Yang, Peter J. Lally,
• Abstract要約: MRIでは、スライス・ツー・ボリュームの再構成は、2次元スライスから一貫した3次元脳の体積を回復するために重要である。 プログレッシブ改良型暗黙的ニューラル表現フレームワーク(PR-INR)を提案する。 我々のPR-INRは、幾何対応座標空間内での運動補正、構造改善、体積合成を統一する。
• 参考スコア（独自算出の注目度）: 15.340881123379567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In motion-robust magnetic resonance imaging (MRI), slice-to-volume reconstruction is critical for recovering anatomically consistent 3D brain volumes from 2D slices, especially under accelerated acquisitions or patient motion. However, this task remains challenging due to hierarchical structural disruptions. It includes local detail loss from k-space undersampling, global structural aliasing caused by motion, and volumetric anisotropy. Therefore, we propose a progressive refinement implicit neural representation (PR-INR) framework. Our PR-INR unifies motion correction, structural refinement, and volumetric synthesis within a geometry-aware coordinate space. Specifically, a motion-aware diffusion module is first employed to generate coarse volumetric reconstructions that suppress motion artifacts and preserve global anatomical structures. Then, we introduce an implicit detail restoration module that performs residual refinement by aligning spatial coordinates with visual features. It corrects local structures and enhances boundary precision. Further, a voxel continuous-aware representation module represents the image as a continuous function over 3D coordinates. It enables accurate inter-slice completion and high-frequency detail recovery. We evaluate PR-INR on five public MRI datasets under various motion conditions (3% and 5% displacement), undersampling rates (4x and 8x) and slice resolutions (scale = 5). Experimental results demonstrate that PR-INR outperforms state-of-the-art methods in both quantitative reconstruction metrics and visual quality. It further shows generalization and robustness across diverse unseen domains.
• Abstract（参考訳）: 磁気共鳴画像(MRI)では、2次元スライスから解剖学的に一貫した3次元脳の容積を回復するためにスライス・ツー・ボリューム再構成が重要である。 しかし、この課題は階層的な構造的破壊のため、依然として挑戦的である。 k空間アンダーサンプリングによる局所的な詳細損失、運動によって引き起こされる大域構造エイリアス、体積異方性などが含まれる。 そこで本研究では,プログレッシブ改良型暗黙的ニューラル表現(PR-INR)フレームワークを提案する。 我々のPR-INRは、幾何対応座標空間内での運動補正、構造改善、体積合成を統一する。 具体的には、モーションアウェア拡散モジュールを用いて、モーションアーティファクトを抑え、グローバルな解剖学的構造を維持するための粗いボリューム再構成を生成する。 次に,空間座標を視覚的特徴と整列させて残差補正を行う暗黙の細部復元モジュールを提案する。 局所構造を補正し、境界精度を高める。 さらに、ボクセル連続認識表現モジュールは、画像を3次元座標上の連続関数として表現する。 正確なスライス間補完と高周波詳細回復を可能にする。 各種運動条件(3%,5%変位),アンダーサンプリング率(4x,8x),スライス分解能(スケール=5。 実験結果から,PR-INRは定量的再構成指標と視覚的品質の両方において最先端の手法より優れていた。 さらに、様々な目に見えない領域にまたがる一般化と堅牢性を示す。

関連論文リスト

• SUFFICIENT: A scan-specific unsupervised deep learning framework for high-resolution 3D isotropic fetal brain MRI reconstruction [7.268308489093152]
  等方性HR容積再構成のための教師なし反復SVR-SRRフレームワークを提案する。 高分解能(HR)ボリュームを生成するために、ディープイメージ事前フレームワーク内に埋め込まれたデコードネットワークを包括的画像劣化モデルに組み込む。 大規模動乱シミュレーションデータと臨床データを用いて行った実験は,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2025-05-23T04:53:59Z)
• MoRe-3DGSMR: Motion-resolved reconstruction framework for free-breathing pulmonary MRI based on 3D Gaussian representation [5.166993855950655]
  本研究は、高分解能自由呼吸性肺磁気共鳴画像(MRI)のための、教師なし、運動解像再構成フレームワークを提案する。 提案手法は3DGSを利用して,運動分解型3D等方性肺MRI再構成の課題に対処する。 高い信号対雑音比とコントラスト対雑音比で反射される優れた画質を実現する。
  論文  参考訳（メタデータ） (2025-05-08T05:41:46Z)
• Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
  本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。 本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。 提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-11-25T08:23:38Z)
• SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)
• 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)
• DeepRecon: Joint 2D Cardiac Segmentation and 3D Volume Reconstruction via A Structure-Specific Generative Method [12.26150675728958]
  本稿では,複数の臨床的に不可欠な結果を生成する,エンドツーエンドの潜在空間ベースのフレームワークであるDeepReconを提案する。 本手法は,心構造に対する正確な意味情報を含むシネ画像の最適潜時表現を同定する。 特に,本モデルでは,正確な意味情報と心構造のセグメンテーションを併用して合成画像を生成する。
  論文  参考訳（メタデータ） (2022-06-14T20:46:11Z)

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。