論文の概要: Fast and Robust Diffusion Posterior Sampling for MR Image Reconstruction Using the Preconditioned Unadjusted Langevin Algorithm

• arxiv url: http://arxiv.org/abs/2512.05791v1
• Date: Fri, 05 Dec 2025 15:17:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.653965
• Title: Fast and Robust Diffusion Posterior Sampling for MR Image Reconstruction Using the Preconditioned Unadjusted Langevin Algorithm
• Title（参考訳）: 未調整Langevinアルゴリズムを用いたMR画像再構成のための高速・ロバスト拡散後方サンプリング
• Authors: Moritz Blumenthal, Tina Holliber, Jonathan I. Tamir, Martin Uecker,
• Abstract要約: 本研究の目的は,高速収束型ロバストサンプリングアルゴリズムを開発することである。 プリコンディショニングにより, 様々なMRI再建作業において, 迅速かつ信頼性の高い後方サンプリングが可能となる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 4.227176793299764
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Purpose: The Unadjusted Langevin Algorithm (ULA) in combination with diffusion models can generate high quality MRI reconstructions with uncertainty estimation from highly undersampled k-space data. However, sampling methods such as diffusion posterior sampling or likelihood annealing suffer from long reconstruction times and the need for parameter tuning. The purpose of this work is to develop a robust sampling algorithm with fast convergence. Theory and Methods: In the reverse diffusion process used for sampling the posterior, the exact likelihood is multiplied with the diffused prior at all noise scales. To overcome the issue of slow convergence, preconditioning is used. The method is trained on fastMRI data and tested on retrospectively undersampled brain data of a healthy volunteer. Results: For posterior sampling in Cartesian and non-Cartesian accelerated MRI the new approach outperforms annealed sampling in terms of reconstruction speed and sample quality. Conclusion: The proposed exact likelihood with preconditioning enables rapid and reliable posterior sampling across various MRI reconstruction tasks without the need for parameter tuning.
• Abstract（参考訳）: 目的: Unadjusted Langevin Algorithm (ULA)と拡散モデルを組み合わせることで,高度にアンサンプされたk空間データから不確かさを推定し,高品質なMRI再構成を生成することができる。 しかし, 拡散後サンプリングや熱処理の可能性といったサンプリング手法は, 長期化とパラメータチューニングの必要性に悩まされている。 本研究の目的は,高速収束型ロバストサンプリングアルゴリズムを開発することである。 理論と方法:後部をサンプリングするために用いられる逆拡散過程において、正確な確率はあらゆるノイズスケールで拡散される前に乗算される。 収束の遅い問題を克服するために、プレコンディショニングが使用される。 この方法は、高速MRIデータに基づいてトレーニングされ、健康なボランティアの脳データを振り返って検査する。 結果:Cartesianおよびnon-CartesianAcceled MRIの後方サンプリングでは,再建速度と試料品質の点で焼鈍サンプリングよりも優れた結果が得られた。 結論: プリコンディショニングにより, パラメータチューニングを必要とせずに, 様々なMRI再構成タスクを迅速かつ確実に後続サンプリングできる可能性が示唆された。

関連論文リスト

• Highly Accelerated MRI via Implicit Neural Representation Guided Posterior Sampling of Diffusion Models [2.5412006057370893]
  Inlicit Neural representation (INR) は、逆問題を解決するための強力なパラダイムとして登場した。 提案するフレームワークは、他の医療画像タスクにおける逆問題を解決するための一般化可能なフレームワークである。
  論文  参考訳（メタデータ） (2024-07-03T01:37:56Z)
• Fast Controllable Diffusion Models for Undersampled MRI Reconstruction [9.257507373275288]
  本研究は,MRIのアンダーサンプル再構成のための拡散モデルの制御可能な生成を促進させる,Predictor-Projector-Noisor (PPN) と呼ばれる新しいアルゴリズムを提案する。 以上の結果から, PPNは, 他の制御可能なサンプリング法に比べて, 再構成時間を大幅に短縮した, アンサンプ付きk空間計測に適合した高忠実MR画像を生成することがわかった。
  論文  参考訳（メタデータ） (2023-11-20T05:58:05Z)
• 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)
• Correlated and Multi-frequency Diffusion Modeling for Highly Under-sampled MRI Reconstruction [14.687337090732036]
  既存のMRI再建法の多くは、特定の組織領域を考慮せずに、全MR画像のtar-geted再構成を行う。 これは、診断のための重要でない組織に対する再構成精度を強調できない可能性がある。 そこで本研究では,k空間データの特性と拡散過程を組み合わせることで,マルチ周波数先行のマイニングに焦点をあてる。
  論文  参考訳（メタデータ） (2023-09-02T07:51:27Z)
• Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
  圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。 拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。 本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
  論文  参考訳（メタデータ） (2023-06-05T22:09:06Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)

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。