論文の概要: Back to Physics: Operator-Guided Generative Paths for SMS MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2602.07820v1
• Date: Sun, 08 Feb 2026 04:57:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.814966
• Title: Back to Physics: Operator-Guided Generative Paths for SMS MRI Reconstruction
• Title（参考訳）: バック・トゥ・物理:SMSのMRI再生のための演算子ガイドによる生成経路
• Authors: Zhibo Chen, Yu Guan, Yajuan Huang, Chaoqi Chen, XiangJi, Qiuyun Fan, Dong Liang, Qiegen Liu,
• Abstract要約: 面内アンダーサンプリングを併用した同時マルチスライス(SMS)イメージングにより,MRIの高速化が可能となった。 本稿では、既知の取得演算子を用いて劣化軌道をモデル化する演算子誘導フレームワークを提案する。 本フレームワークでは,演算子-条件付きデュアルストリームインタラクションネットワーク(OCDI-Net)を導入し,ターゲット-スライスコンテンツをスライス間干渉から明示的に分離する。
• 参考スコア（独自算出の注目度）: 30.36786801853506
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simultaneous multi-slice (SMS) imaging with in-plane undersampling enables highly accelerated MRI but yields a strongly coupled inverse problem with deterministic inter-slice interference and missing k-space data. Most diffusion-based reconstructions are formulated around Gaussian-noise corruption and rely on additional consistency steps to incorporate SMS physics, which can be mismatched to the operator-governed degradations in SMS acquisition. We propose an operator-guided framework that models the degradation trajectory using known acquisition operators and inverts this process via deterministic updates. Within this framework, we introduce an operator-conditional dual-stream interaction network (OCDI-Net) that explicitly disentangles target-slice content from inter-slice interference and predicts structured degradations for operator-aligned inversion, and we instantiate reconstruction as a two-stage chained inference procedure that performs SMS slice separation followed by in-plane completion. Experiments on fastMRI brain data and prospectively acquired in vivo diffusion MRI data demonstrate improved fidelity and reduced slice leakage over conventional and learning-based SMS reconstructions.
• Abstract（参考訳）: 面内アンダーサンプリングを併用した同時マルチスライス(SMS)イメージングは,MRIの高速化を実現するが,決定論的インタースライス干渉とk空間データの欠如に強く結合した逆問題をもたらす。 拡散に基づくほとんどの再構成は、ガウスノイズの破損を中心に定式化され、SMS物理を組み込むための追加の一貫性ステップに依存している。 本稿では、既知の取得演算子を用いて劣化軌道をモデル化し、決定論的更新によってその過程を逆転する演算子誘導フレームワークを提案する。 本フレームワークでは,演算子間干渉からターゲットスライス内容を明示的に切り離す演算子-条件付きデュアルストリームインタラクションネットワーク(OCDI-Net)を導入し,演算子整列インバージョンのための構造化劣化を予測し,SMSスライス分離と平面内完了を行う2段階連鎖推論手順として再構築を行う。 高速MRI脳データと生体内拡散MRIデータを用いた実験により,従来型および学習型SMS再構成よりも忠実度が向上し,スライスリークが低減された。

関連論文リスト

• SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
  近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。 既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。 逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2025-03-16T12:32:11Z)
• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• Robust Simultaneous Multislice MRI Reconstruction Using Deep Generative Priors [4.735790956167054]
  提案手法は, より深い生成先に基づく頑健なSMS MRI再構成手法であるROGERを紹介する。 本手法では,低周波拡張 (LFE) モジュールを組み込んで,SMS加速高速スピンエコー (FSE) とエコー平面画像 (EPI) が完全サンプリング自己校正信号を容易に埋め込むことができないという現実的な問題に対処する。
  論文  参考訳（メタデータ） (2024-07-31T13:34:14Z)
• Progressive Divide-and-Conquer via Subsampling Decomposition for Accelerated MRI [34.004099276013946]
  本稿では, サブサンプリングプロセスの分解を目的としたPDAC(Progressive Divide-And-Conquer)戦略を提案する。 提案手法は,一般に公開されている高速MRIとStanford2D FSEデータセットにおいて,優れた性能を実現する。
  論文  参考訳（メタデータ） (2024-03-15T07:14:01Z)
• GA-HQS: MRI reconstruction via a generically accelerated unfolding approach [14.988694941405575]
  画素レベルでの入力の微妙な融合のための2階勾配情報とピラミッドアテンションモジュールを組み込んだGA-HQSアルゴリズムを提案する。 本手法は, 単コイルMRI加速度タスクにおいて, 従来よりも優れている。
  論文  参考訳（メタデータ） (2023-04-06T06:21:18Z)
• 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)
• ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
  本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。 高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。 パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-01-23T21:58:19Z)
• Unsupervised MRI Reconstruction via Zero-Shot Learned Adversarial Transformers [0.0]
  Zero-Shot Learned Adrial Transformers (SLATER) を用いた新しい非監視MRI再構成法を提案する。 アンダーサンプルテストデータ上でゼロショット再構成を行い、ネットワークパラメータを最適化して推論を行います。 脳MRIデータセットの実験は、いくつかの最先端の教師なし手法に対してSLATERの優れた性能を明らかに示している。
  論文  参考訳（メタデータ） (2021-05-15T02:01:21Z)
• Understanding Self-supervised Learning with Dual Deep Networks [74.92916579635336]
  本稿では,2組の深層ReLUネットワークを用いたコントラスト型自己教師学習(SSL)手法を理解するための新しい枠組みを提案する。 種々の損失関数を持つSimCLRの各SGD更新において、各層の重みは共分散演算子によって更新されることを示す。 共分散演算子の役割と、そのようなプロセスでどのような特徴が学習されるかをさらに研究するために、我々は、階層的潜在木モデル(HLTM)を用いて、データ生成および増大過程をモデル化する。
  論文  参考訳（メタデータ） (2020-10-01T17:51:49Z)

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。