論文の概要: Transformer-based Parameter Fitting of Models derived from Bloch-McConnell Equations for CEST MRI Analysis
- arxiv url: http://arxiv.org/abs/2602.06574v1
- Date: Fri, 06 Feb 2026 10:15:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-09 22:18:26.348808
- Title: Transformer-based Parameter Fitting of Models derived from Bloch-McConnell Equations for CEST MRI Analysis
- Title（参考訳）: CEST MRI解析のためのBloch-McConnell方程式から導出されるモデルの変圧器によるパラメータフィッティング
- Authors: Christof Duhme, Chris Lippe, Verena Hoerr, Xiaoyi Jiang,
- Abstract要約: CEST(Chemical Exchange saturation Transfer) MRIは代謝物を検出するための非侵襲的な画像モダリティである。
本稿では, メタボライト濃度, 交換速度, 緩和速度などのパラメータに適合するトランスフォーマー型ニューラルネットワークを提案する。
我々の自己教師型ニューラルネットワークは、古典的勾配に基づく解法よりも明らかに優れていることを示す。
- 参考スコア（独自算出の注目度）: 2.1768638312234043
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chemical exchange saturation transfer (CEST) MRI is a non-invasive imaging modality for detecting metabolites. It offers higher resolution and sensitivity compared to conventional magnetic resonance spectroscopy (MRS). However, quantification of CEST data is challenging because the measured signal results from a complex interplay of many physiological variables. Here, we introduce a transformer-based neural network to fit parameters such as metabolite concentrations, exchange and relaxation rates of a physical model derived from Bloch-McConnell equations to in-vitro CEST spectra. We show that our self-supervised trained neural network clearly outperforms the solution of classical gradient-based solver.
- Abstract（参考訳）: CEST(Chemical Exchange saturation Transfer) MRIは代謝物を検出するための非侵襲的な画像モダリティである。
従来の磁気共鳴分光法(MRS)よりも高分解能で感度が高い。
しかし、測定された信号は多くの生理的変数の複雑な相互作用から得られるため、CESTデータの定量化は困難である。
本稿では,Bloch-McConnell方程式から得られた物理モデルの代謝物濃度,交換および緩和率などのパラメータを生体内CESTスペクトルに適合させるトランスフォーマーベースニューラルネットワークを提案する。
我々の自己教師型ニューラルネットワークは、古典的勾配に基づく解法よりも明らかに優れていることを示す。
関連論文リスト
- Multiparameter Uncertainty Mapping in Quantitative Molecular MRI using a Physics-Structured Variational Autoencoder (PS-VAE) [0.0]
本稿では,物理構造を持つ変分オートエンコーダ(PS-VAE)について述べる。
本法は, マルチプロトンプール化学交換飽和輸送 (CEST) および半固体磁化移動 (MT) 分子MRF法で検証した。
論文 参考訳（メタデータ） (2026-02-03T09:46:55Z) - Physics-Informed Sylvester Normalizing Flows for Bayesian Inference in Magnetic Resonance Spectroscopy [13.797945335120056]
本研究は,代謝物濃度の後方分布を近似するために正規化フロー(SNF)を用いたベイズ推論フレームワークを導入する。
物理ベースのデコーダは、MSS信号生成の事前知識を取り入れ、現実的な分布表現を保証する。
論文 参考訳（メタデータ） (2025-05-06T14:50:14Z) - Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。
複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。
変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
論文 参考訳（メタデータ） (2024-12-05T09:41:33Z) - Multi-Parameter Molecular MRI Quantification using Physics-Informed Self-Supervised Learning [0.0]
常微分方程式(ODE)モデルを用いてパラメータ抽出逆問題の解法を提案する。
これは、数値ODEソルバをステップワイズ解析として機能させ、自動微分に基づく最適化と互換性を持たせることで実現される。
The neural-network-based train-by-fit pipeline was used to Quantify semisolid magnetization transfer (MT) and chemical exchange saturation transfer (CEST) amide proton exchange parameters in the human brain。
論文 参考訳（メタデータ） (2024-11-10T12:40:33Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。
その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。
画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
論文 参考訳（メタデータ） (2022-04-11T17:29:36Z) - Mixed Precision Low-bit Quantization of Neural Network Language Models
for Speech Recognition [67.95996816744251]
長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。
現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。
本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
論文 参考訳（メタデータ） (2021-11-29T12:24:02Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - Physics-informed neural networks for myocardial perfusion MRI
quantification [3.318100528966778]
本研究では, 心筋灌流MR定量化のための物理インフォームドニューラルネットワーク(PINN)を提案する。
PINNは、基礎となる物理保存法則を尊重しながら、観測された拡散MRデータに適合するように訓練することができる。
論文 参考訳（メタデータ） (2020-11-25T16:02:52Z) - Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR
Images using a GAN [59.60954255038335]
提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-06-26T02:50:09Z)
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。