論文の概要: Bayesian Uncertainty-Aware MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2603.13439v1
• Date: Fri, 13 Mar 2026 11:14:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.206605
• Title: Bayesian Uncertainty-Aware MRI Reconstruction
• Title（参考訳）: ベイジアン不確かさを意識したMRI画像再構成
• Authors: Ahmed Karam Eldaly, Matteo Figini, Daniel C. Alexander,
• Abstract要約: アンダーサンプリングk空間計測を用いた関節磁気共鳴画像再構成のための新しい枠組みを提案する。 提案手法は, 再構成画像から得られた誤差マップと強い相関関係を示すとともに, 不確かさを効果的に定量化する。
• 参考スコア（独自算出の注目度）: 5.452868777437004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a novel framework for joint magnetic resonance image reconstruction and uncertainty quantification using under-sampled k-space measurements. The problem is formulated as a Bayesian linear inverse problem, where prior distributions are assigned to the unknown model parameters. Specifically, we assume the target image is sparse in its spatial gradient and impose a total variation prior model. A Markov chain Monte Carlo (MCMC) method, based on a split-and-augmented Gibbs sampler, is then used to sample from the resulting joint posterior distribution of the unknown parameters. Experiments conducted using single- and multi-coil datasets demonstrate the superior performance of the proposed framework over optimisation-based compressed sensing algorithms. Additionally, our framework effectively quantifies uncertainty, showing strong correlation with error maps computed from reconstructed and ground-truth images.
• Abstract（参考訳）: 我々は, アンダーサンプドk空間測定を用いた磁気共鳴画像再構成と不確実性定量化のための新しい枠組みを提案する。 この問題はベイズ線形逆問題として定式化され、事前分布は未知のモデルパラメータに割り当てられる。 具体的には,対象画像は空間勾配が小さいと仮定し,事前モデルに全変動を課す。 マルコフ連鎖モンテカルロ (MCMC) 法は、Gibs の分割および増補したサンプルに基づいて、未知のパラメータの結合後分布からサンプリングされる。 単一およびマルチコイルデータセットを用いて行った実験は、最適化に基づく圧縮センシングアルゴリズムよりも提案フレームワークの優れた性能を示す。 さらに, この枠組みは, 再構成画像から算出した誤差マップと強い相関関係を示すとともに, 不確かさを効果的に定量化する。

関連論文リスト

• On the Shape of Latent Variables in a Denoising VAE-MoG: A Posterior Sampling-Based Study [51.56484100374058]
  ガウス前駆体 (VAE-MoG) を用いた変分オートエンコーダの潜時空間を探索する。 モデルが基盤構造をどれだけうまく捉えているかを評価するために、ハミルトンモンテカルロ (HMC) を用いて、クリーンな入力で条件付けられた後続サンプルを描画し、ノイズの多いデータからエンコーダの出力と比較する。 モデルは正確に信号を再構成するが、統計的比較により、潜在空間における明らかなミスマッチが明らかになる。
  論文  参考訳（メタデータ） (2025-09-29T18:33:09Z)
• Product of Gaussian Mixture Diffusion Model for non-linear MRI Inversion [8.404557923725228]
  本稿では,ガウス混合拡散モデルの軽量かつパラメータ効率,解釈可能な積を画像として提案し,コイル感度の古典的滑らかさを優先する。 提案手法は, 高速な推測と, 分布外データとサンプリングトラジェクトリを対比する頑健性を実証しながら, 有望な結果を提供する。
  論文  参考訳（メタデータ） (2025-01-15T08:57:41Z)
• Posterior Estimation for Dynamic PET imaging using Conditional Variational Inference [10.206699988915183]
  効率的な後続推定のためのディープラーニングに基づくフレームワークを提案する。 具体的には、潜伏変数を導入することにより、フォワードプロセスにおける情報損失に対処する。
  論文  参考訳（メタデータ） (2023-10-24T14:05:30Z)
• Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
  画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。 決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。 本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-11T15:20:54Z)
• Stable Deep MRI Reconstruction using Generative Priors [13.400444194036101]
  本稿では,参照等級画像のみを生成的設定でトレーニングした,新しいディープニューラルネットワークベース正規化器を提案する。 その結果,最先端のディープラーニング手法に匹敵する競争性能が示された。
  論文  参考訳（メタデータ） (2022-10-25T08:34:29Z)
• MRI Reconstruction via Data Driven Markov Chain with Joint Uncertainty Estimation [3.5751623095926806]
  本稿では,MRI再構成のための学習確率分布からの効率的なサンプリングを可能にするフレームワークを提案する。 データ駆動型マルコフ連鎖は、所定の画像データベースから学習した生成モデルから構築される。 提案手法の性能は, 10倍の高速化獲得を用いて, オープンデータセット上で評価する。
  論文  参考訳（メタデータ） (2022-02-03T09:13:49Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)
• Sampling possible reconstructions of undersampled acquisitions in MR imaging [9.75702493778194]
  MR中のk-空間のアンサンプは時間を節約するが、結果として不適切な逆転問題が発生し、可能な限り無限の画像が生成される。 伝統的に、これは、選択された正規化や事前に従って、このソリューションセットから1つの「ベスト」イメージを検索することで、再構成問題として取り組まれる。 そこで本研究では,逆変換プロセスにおける不確実性を捉えるために,取得モデルと選択した条件下で可能な複数の画像を返却する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-30T18:20:06Z)
• Residual-driven Fuzzy C-Means Clustering for Image Segmentation [152.609322951917]
  画像分割のための残留駆動型ファジィC平均(FCM)について詳述する。 この枠組みに基づいて,混合雑音分布の重み付けによる重み付き$ell_2$-norm忠実度項を示す。 その結果、既存のFCM関連アルゴリズムよりも提案アルゴリズムの有効性と効率が優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-15T15:46:09Z)

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。