Fugu-MT 論文翻訳(概要): Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors

論文の概要: Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors

arxiv url: http://arxiv.org/abs/2603.00882v1
Date: Sun, 01 Mar 2026 03:04:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-03 19:50:56.396508
Title: Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors
Title（参考訳）: 非線形ブラインド逆問題の解法 : 物理と深部生成優先条件を用いたタグ付きMRI
Authors: Zhangxing Bian, Shuwen Wei, Samuel W. Remedios, Junyu Chen, Aaron Carass, Blake E. Dewey, Jerry L. Prince,
Abstract要約: タグ付けMRIのためのブラインド・非線形逆フレームワークを提案する。解剖学的画像回復、高分解能シネ画像合成、動き推定を統一する。提案手法は,高分解能な解剖像,シネ像,および特殊な方法よりも高精度な運動を与える。
参考スコア（独自算出の注目度）: 13.337165064590025
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Tagged MRI enables tracking internal tissue motion non-invasively. It encodes motion by modulating anatomy with periodic tags, which deform along with tissue. However, the entanglement between anatomy, tags and motion poses significant challenges for post-processing. The existence of tags and imaging blur hinders downstream tasks such as segmenting anatomy. Tag fading, due to T1-relaxation, disrupts the brightness constancy assumption for motion tracking. For decades, these challenges have been handled in isolation and sub-optimally. In contrast, we introduce a blind and nonlinear inverse framework for tagged MRI that, for the first time, unifies these tasks: anatomical image recovery, high-resolution cine image synthesis, and motion estimation. At its core, the synergy of MR physics and generative priors enables us to blindly estimate the unknown forward imaging models and high-resolution underlying anatomy, while simultaneously tracking 3D diffeomorphic Lagrangian motion over time. Experiments on tagged brain MRI demonstrate that our approach yields high-resolution anatomy images, cine images, and more accurate motion than specialized methods.
Abstract（参考訳）: タグ付きMRIは非侵襲的に組織の動きを追跡することができる。組織と共に変形する周期的なタグで解剖を調節することで、動きをコード化する。しかし、解剖学、タグ、動きの絡み合いは、後処理に重大な課題をもたらす。タグや画像のぼかしの存在は、セグメント解剖のような下流のタスクを妨げる。 T1緩和によるタグの消失は、モーショントラッキングの輝度不安定性の仮定を妨害する。何十年もの間、これらの課題は分離され、亜最適に扱われてきた。対照的に、タグ付けMRIのためのブラインドで非線形な逆フレームワークを導入し、解剖学的画像回復、高分解能シネ画像合成、動き推定といったタスクを初めて統合した。 MR物理と生成前の相乗効果は、未知の前方画像モデルと高分解能の解剖学を視覚的に推定し、同時に時間とともに3次元微分ラグランジアン運動を追跡できる。タグ付けされた脳MRI実験により、我々のアプローチは特定の方法よりも高精度な解剖像、シネ像、より正確な動きをもたらすことが示された。

関連論文リスト

Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
論文参考訳（メタデータ） (2025-09-11T23:12:55Z)
Brightness-Invariant Tracking Estimation in Tagged MRI [7.804326076893715]
タグ付きMRIにおける輝度不変性追跡手法を提案する。 BRITEは、観測されたタグ付き画像シーケンスにおいて、タグパターンから解剖を分離し、同時にラグランジアン運動を推定する。以上の結果から,BRITEは,他の手法と比較して,より正確な動きやひずみ推定が可能であり,また,タグの消色にも耐性があることが示唆された。
論文参考訳（メタデータ） (2025-05-23T20:48:23Z)
X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [64.2059940799033]
現在の方法では、時間分解能を呼吸ゲーティング装置で固定相に識別する。新規なフレームワークであるX$2$-Gaussianは、動的放射スプラッティングと自己監督型呼吸運動学習を統合することで、連続的な4DCT再構成を可能にする。
論文参考訳（メタデータ） (2025-03-27T17:59:57Z)
Fully Unsupervised Dynamic MRI Reconstruction via Diffeo-Temporal Equivariance [2.260147251787331]
教師付き学習法は周期性を前提として欠陥があり、真の動きの撮像を禁止している。我々は,アンサンプド計測のみから動的MRIシーケンスを再構築するための教師なしフレームワークを提案する。我々の手法は基盤となるニューラルネットワークアーキテクチャに非依存であり、最新のパラダイムや後処理アプローチに適応するために使用することができる。
論文参考訳（メタデータ） (2024-10-11T09:16:30Z)
MindFormer: Semantic Alignment of Multi-Subject fMRI for Brain Decoding [50.55024115943266]
本稿では,MindFormer を用いたマルチオブジェクト fMRI 信号のセマンティックアライメント手法を提案する。このモデルは、fMRIから画像生成のための安定拡散モデルや、fMRIからテキスト生成のための大規模言語モデル(LLM)の条件付けに使用できるfMRI条件付き特徴ベクトルを生成するように設計されている。実験の結果,MindFormerは意味的に一貫した画像とテキストを異なる主題にわたって生成することがわかった。
論文参考訳（メタデータ） (2024-05-28T00:36:25Z)
Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文参考訳（メタデータ） (2023-11-22T05:44:51Z)
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)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
Joint fMRI Decoding and Encoding with Latent Embedding Alignment [77.66508125297754]
我々はfMRIデコーディングと符号化の両方に対処する統合フレームワークを導入する。本モデルでは、fMRI信号から視覚刺激を同時に回復し、統合された枠組み内の画像から脳活動を予測する。
論文参考訳（メタデータ） (2023-03-26T14:14:58Z)
DRIMET: Deep Registration for 3D Incompressible Motion Estimation in Tagged-MRI with Application to the Tongue [11.485843032637439]
変形組織の詳細な動きを観察し定量化するために、タグ付き磁気共鳴イメージング(MRI)が何十年も使われてきた。本稿では, タグ付きMRIのための非教師付き位相ベース3次元動作推定手法を提案する。
論文参考訳（メタデータ） (2023-01-18T00:16:30Z)
STRESS: Super-Resolution for Dynamic Fetal MRI using Self-Supervised Learning [2.5581619987137048]
我々は,インターリーブスライス獲得を伴う動的胎児MRIのための自己教師付き超解像フレームワークSTRESSを提案する。提案手法は,低解像度画像と高解像度画像のペアを生成するために,元の取得データに基づいて,高解像度軸に沿ったインターリーブスライス取得をシミュレートする。シミュレーションおよび子宮内データによる評価の結果,提案手法は他の自己教師付き超解像法よりも優れていた。
論文参考訳（メタデータ） (2021-06-23T13:52:11Z)
DeepTag: An Unsupervised Deep Learning Method for Motion Tracking on Cardiac Tagging Magnetic Resonance Images [10.434681088538866]
本研究では,t-MRI画像のin vivoモーショントラッキングのための深層学習に基づく完全監視手法を提案する。本手法は代表的な臨床T-MRIデータセットで検証された。
論文参考訳（メタデータ） (2021-03-04T00:42:11Z)

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。