論文の概要: Retrospective motion correction in MRI using disentangled embeddings

• arxiv url: http://arxiv.org/abs/2511.08365v1
• Date: Wed, 12 Nov 2025 01:55:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.781324
• Title: Retrospective motion correction in MRI using disentangled embeddings
• Title（参考訳）: 不整形埋め込みを用いたMRIの振り返り運動補正
• Authors: Qi Wang, Veronika Ecker, Marcel Früh, Sergios Gatidis, Thomas Küstner,
• Abstract要約: モーションアーティファクトは様々だが、アンタングルを外し、悪用できる基礎となるパターンを共有している。 本稿では, 階層型ベクトル量子化(VQ)変分自動エンコーダを提案する。 本研究は, 全身運動アーティファクトをシミュレーションし, 様々な動きの重大度にわたって頑健な補正を観察する手法である。
• 参考スコア（独自算出の注目度）: 8.082774010683968
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physiological motion can affect the diagnostic quality of magnetic resonance imaging (MRI). While various retrospective motion correction methods exist, many struggle to generalize across different motion types and body regions. In particular, machine learning (ML)-based corrections are often tailored to specific applications and datasets. We hypothesize that motion artifacts, though diverse, share underlying patterns that can be disentangled and exploited. To address this, we propose a hierarchical vector-quantized (VQ) variational auto-encoder that learns a disentangled embedding of motion-to-clean image features. A codebook is deployed to capture finite collection of motion patterns at multiple resolutions, enabling coarse-to-fine correction. An auto-regressive model is trained to learn the prior distribution of motion-free images and is used at inference to guide the correction process. Unlike conventional approaches, our method does not require artifact-specific training and can generalize to unseen motion patterns. We demonstrate the approach on simulated whole-body motion artifacts and observe robust correction across varying motion severity. Our results suggest that the model effectively disentangled physical motion of the simulated motion-effective scans, therefore, improving the generalizability of the ML-based MRI motion correction. Our work of disentangling the motion features shed a light on its potential application across anatomical regions and motion types.
• Abstract（参考訳）: 生理学的運動はMRI(MRI)の診断品質に影響を与える可能性がある。 様々な振り返り運動補正法が存在するが、様々な動きタイプや身体領域にまたがる一般化に苦慮している。 特に、機械学習(ML)ベースの修正は、特定のアプリケーションやデータセットに合わせて調整されることが多い。 我々は、動きの人工物は多様ではあるが、絡み合いや悪用できる基礎となるパターンを共有していると仮定する。 そこで本稿では, 階層型ベクトル量子化(VQ)変分自動エンコーダを提案する。 コードブックは、複数の解像度で有限個の動きパターンをキャプチャするために配置され、粗い修正を可能にする。 自動回帰モデルは、動きのない画像の事前分布を学習するために訓練され、その補正プロセスを導くために推論に使用される。 従来の手法とは異なり,本手法では人工物固有の訓練を必要とせず,目に見えない動作パターンに一般化することができる。 本研究は, 全身運動アーティファクトをシミュレーションし, 様々な動きの重大度にわたって頑健な補正を観察する手法である。 以上の結果から, モデルがシミュレーションされた運動効率スキャンの物理的運動を効果的に切り離し, MLに基づくMRIの運動補正の一般化性を向上させることが示唆された。 運動特徴を遠方から遠ざける作業は、解剖学的領域と運動タイプにまたがる潜在的な応用に光を当てた。

関連論文リスト

• DIMA: DIffusing Motion Artifacts for unsupervised correction in brain MRI images [4.117232425638352]
  DIMA(DIffusing Motion Artifacts)は、拡散モデルを活用する新しいフレームワークであり、脳MRIにおける教師なしモーションアーティファクトの修正を可能にする。 我々の2段階のアプローチは、まず、障害のない動画像上の拡散モデルを訓練し、運動成果物の分布を学習する。 このモデルは、クリーンな画像上で現実的なモーションアーティファクトを生成し、修正ネットワークの教師付きトレーニングに適したペア化されたデータセットを作成する。
  論文  参考訳（メタデータ） (2025-04-09T10:43:38Z)
• MAMOC: MRI Motion Correction via Masked Autoencoding [2.2553331475843343]
  本稿では, 運動負荷MRI脳スキャンにおけるRAC(Retrospective Artifact Correction)の問題点に対処する新しい手法であるMAMOC(Masked Motion Correction)を提案する。 MAMOCは、マスク付き自己エンコーディング、転送学習、テストタイム予測を使用して、動きのアーティファクトを効率的に除去し、高忠実でネイティブなスキャンを生成する。 この研究は、公開データセット上の実際のモーションデータを用いてMRIスキャンにおける動作補正を初めて評価し、MAMOCが既存の動作補正法よりも優れた性能を達成することを示す。
  論文  参考訳（メタデータ） (2024-05-23T14:01:22Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Spectral Motion Alignment for Video Motion Transfer using Diffusion Models [54.32923808964701]
  スペクトル運動アライメント(英: Spectral Motion Alignment、SMA)は、フーリエ変換とウェーブレット変換を用いて運動ベクトルを洗練・整列するフレームワークである。 SMAは周波数領域の正規化を取り入れて動きパターンを学習し、全体フレームのグローバルな動きのダイナミクスの学習を容易にする。 大規模な実験は、様々なビデオカスタマイズフレームワーク間の計算効率と互換性を維持しながら、モーション転送を改善するSMAの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-22T14:47:18Z)
• SISMIK for brain MRI: Deep-learning-based motion estimation and model-based motion correction in k-space [0.0]
  本研究では,脳の2次元スピンエコースキャンにおける動き推定と補正の振り返り手法を提案する。 この手法は、深いニューラルネットワークのパワーを利用してk空間の運動パラメータを推定する。 モデルに基づくアプローチを用いて、劣化した画像を復元し、「幻覚」を避ける。
  論文  参考訳（メタデータ） (2023-12-20T17:38:56Z)
• 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)
• HuMoR: 3D Human Motion Model for Robust Pose Estimation [100.55369985297797]
  HuMoRは、時間的ポーズと形状のロバスト推定のための3Dヒューマンモーションモデルです。 モーションシーケンスの各ステップにおけるポーズの変化の分布を学習する条件付き変分オートエンコーダについて紹介する。 本モデルが大規模モーションキャプチャーデータセットのトレーニング後に多様な動きや体型に一般化することを示す。
  論文  参考訳（メタデータ） (2021-05-10T21:04:55Z)
• A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions Artefacts in MRI Scans [63.28835187934139]
  本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。 提案法は患者の多動運動によって生成された人工物に応用できる。
  論文  参考訳（メタデータ） (2020-06-24T15:25:11Z)

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。