論文の概要: Adaptive Gate-Aware Mamba Networks for Magnetic Resonance Fingerprinting

• arxiv url: http://arxiv.org/abs/2507.03369v1
• Date: Fri, 04 Jul 2025 08:04:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.705924
• Title: Adaptive Gate-Aware Mamba Networks for Magnetic Resonance Fingerprinting
• Title（参考訳）: 磁気共鳴フィンガープリントのための適応ゲート対応マンバネットワーク
• Authors: Tianyi Ding, Hongli Chen, Yang Gao, Zhuang Xiong, Feng Liu, Martijn A. Cloos, Hongfu Sun,
• Abstract要約: MRF(MR Resonance Fingerprinting)は、信号の進化を予め定義された辞書に合わせることで高速な定量的イメージングを可能にする。 最近の研究は、DMに代わるディープラーニングベースのアプローチを探求している。 両MambaベースのエンコーダとGAST(Gate-Aware Spatial-Temporal)プロセッサを組み合わせたエンドツーエンドフレームワークであるGAST-Mambaを提案する。
• 参考スコア（独自算出の注目度）: 8.673589204148115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Magnetic Resonance Fingerprinting (MRF) enables fast quantitative imaging by matching signal evolutions to a predefined dictionary. However, conventional dictionary matching suffers from exponential growth in computational cost and memory usage as the number of parameters increases, limiting its scalability to multi-parametric mapping. To address this, recent work has explored deep learning-based approaches as alternatives to DM. We propose GAST-Mamba, an end-to-end framework that combines a dual Mamba-based encoder with a Gate-Aware Spatial-Temporal (GAST) processor. Built on structured state-space models, our architecture efficiently captures long-range spatial dependencies with linear complexity. On 5 times accelerated simulated MRF data (200 frames), GAST-Mamba achieved a T1 PSNR of 33.12~dB, outperforming SCQ (31.69~dB). For T2 mapping, it reached a PSNR of 30.62~dB and SSIM of 0.9124. In vivo experiments further demonstrated improved anatomical detail and reduced artifacts. Ablation studies confirmed that each component contributes to performance, with the GAST module being particularly important under strong undersampling. These results demonstrate the effectiveness of GAST-Mamba for accurate and robust reconstruction from highly undersampled MRF acquisitions, offering a scalable alternative to traditional DM-based methods.
• Abstract（参考訳）: MRF(MR Resonance Fingerprinting)は、信号の進化を予め定義された辞書に合わせることで高速な定量的イメージングを可能にする。 しかし、従来の辞書マッチングは、パラメータの数が増えるにつれて計算コストとメモリ使用量が指数関数的に増加し、スケーラビリティをマルチパラメトリックマッピングに制限する。 これを解決するために、近年の研究では、DMに代わるディープラーニングベースのアプローチについて検討している。 両MambaベースのエンコーダとGAST(Gate-Aware Spatial-Temporal)プロセッサを組み合わせたエンドツーエンドフレームワークであるGAST-Mambaを提案する。 構造化状態空間モデルに基づいて構築されたアーキテクチャは、線形複雑度で長距離空間依存を効率的に捕捉する。 5倍加速されたMRFデータ(200フレーム)では、GAST-Mambaは33.12~dBのT1 PSNRを達成し、SCQ(31.69~dB)を上回った。 T2マッピングでは、PSNRは30.62~dB、SSIMは0.9124に達した。 生体内での実験では、解剖学的詳細を改善し、人工物を減らすことがさらに実証された。 アブレーション研究により、各コンポーネントはパフォーマンスに寄与し、GASTモジュールは強力なアンダーサンプリングの下で特に重要であることが確認された。 これらの結果は,従来のDM法に代わるスケーラブルな代替手段として,高度にアンサンプされたMDF買収の高精度かつ堅牢な再構築に対するGAST-Mambaの有効性を示す。

関連論文リスト

• BrainMT: A Hybrid Mamba-Transformer Architecture for Modeling Long-Range Dependencies in Functional MRI Data [0.09363323206192666]
  近年のディープラーニングの進歩により、機能的磁気共鳴画像(fMRI)脳の体積から直接表現型測定を予測できるようになった。 本稿では,fMRIデータの長距離時間特性を効率的に学習し,統合するための新しいハイブリッドフレームワークBrainMTを紹介する。 筆者らのフレームワークは,(1)時間優先走査機構を備えた双方向マンバブロックを用いて,時間的に効率よくグローバルな時間的相互作用をキャプチャし,(2)グローバルな空間的関係をモデル化するための自己認識を利用したトランスフォーマーブロックの2段階で動作する。
  論文  参考訳（メタデータ） (2025-06-27T19:20:41Z)
• Routing Mamba: Scaling State Space Models with Mixture-of-Experts Projection [88.47928738482719]
  線形状態空間モデル(SSM)は、シーケンスモデリングにおいて顕著なパフォーマンス向上を提供する。 Mambaのような最近の進歩は、入力依存のゲーティングとハードウェア対応の実装により、SSMをさらに強化している。 本稿では,線形射影の専門家による疎混合を用いてSSMパラメータをスケールする新しい手法であるRoM(Roing Mamba)を紹介する。
  論文  参考訳（メタデータ） (2025-06-22T19:26:55Z)
• SIGMA: Selective Gated Mamba for Sequential Recommendation [56.85338055215429]
  最近の進歩であるMambaは、時系列予測において例外的なパフォーマンスを示した。 SIGMA(Selective Gated Mamba)と呼ばれる,シークエンシャルレコメンデーションのための新しいフレームワークを紹介する。 以上の結果から,SIGMAは5つの実世界のデータセットにおいて,現在のモデルよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-08-21T09:12:59Z)
• MARVEL: MR Fingerprinting with Additional micRoVascular Estimates using bidirectional LSTMs [0.8901227918730564]
  本稿では,現実的な微小血管ネットワークを含む数値ボクセルからのMR信号をシミュレーションする効率的な方法を提案する。 3人のボランティアに対して行った結果から,我々のアプローチはより高速に微小血管パラメータの定量的マップを作成できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-15T08:09:54Z)
• Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
  我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。 より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。 我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
  論文  参考訳（メタデータ） (2024-05-08T11:09:24Z)
• DeepMpMRI: Tensor-decomposition Regularized Learning for Fast and High-Fidelity Multi-Parametric Microstructural MR Imaging [9.223502532342298]
  本稿では,複数のモデルから高速かつ高忠実な多重構造パラメータ推定を行うための効率的なフレームワークであるDeepMpMRIを提案する。 DeepMpMRIは、マイクロ構造パラメータ間の高次元相関を利用して、詳細を効果的に捉えるために、新しく設計されたテンソル分解ベースの正規化器を備えている。 HCPデータセットとアルツハイマー病データセットによる実験結果から,5つの最先端手法に対するアプローチの優位性が確認された。
  論文  参考訳（メタデータ） (2024-05-06T04:36:02Z)
• SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
  拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。 推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。 拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
  論文  参考訳（メタデータ） (2023-10-03T05:05:35Z)

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。