論文の概要: Subject-Specific Low-Field MRI Synthesis via a Neural Operator

• arxiv url: http://arxiv.org/abs/2603.24968v1
• Date: Thu, 26 Mar 2026 03:01:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.066877
• Title: Subject-Specific Low-Field MRI Synthesis via a Neural Operator
• Title（参考訳）: ニューラル演算子による主観的低磁場MRI合成
• Authors: Ziqi Gao, Nicha Dvornek, Xiaoran Zhang, Gigi Galiana, Hemant Tagare, Todd Constable,
• Abstract要約: 低磁場(LF)MRIは、アクセシビリティを改善し、コストを削減するが、高磁場(HF)MRIと比較して信号対雑音比が低く、コントラストが劣化している。 既存の低磁場シミュレータはノイズ注入と平滑化に依存しており、LF取得で見られるコントラスト劣化を捉えることができない。 少数のHF-LFMRIからHFからLFへの分解を直接学習するエンドツーエンドのLF-MRIフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 6.717142673853984
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-field (LF) magnetic resonance imaging (MRI) improves accessibility and reduces costs but generally has lower signal-to-noise ratios and degraded contrast compared to high field (HF) MRI, limiting its clinical utility. Simulating LF MRI from HF MRI enables virtual evaluation of novel imaging devices and development of LF algorithms. Existing low field simulators rely on noise injection and smoothing, which fail to capture the contrast degradation seen in LF acquisitions. To this end, we introduce an end-to-end LF-MRI synthesis framework that learns HF to LF image degradation directly from a small number of paired HF-LF MRIs. Specifically, we introduce a novel HF to LF coordinate-image decoupled neural operator (H2LO) to model the underlying degradation process, and tailor it to capture high-frequency noise textures and image structure. Experimental results in T1w and T2w MRI demonstrate that H2LO produces more faithful simulated low-field images than existing parameterized noise synthesis models and popular image-to-image translation models. Furthermore, it improves performance in downstream image enhancement tasks, showcasing its potential to enhance LF MRI diagnostic capabilities.
• Abstract（参考訳）: 低磁場(LF)MRIは、アクセシビリティを改善し、コストを削減するが、一般的には信号と雑音の比が低く、高磁場(HF)MRIと比較してコントラストが低下し、臨床効果が制限される。 HF MRIからのLF MRIのシミュレーションにより、新しい撮像装置の仮想評価とLFアルゴリズムの開発が可能になる。 既存の低磁場シミュレータはノイズ注入と平滑化に依存しており、LF取得で見られるコントラスト劣化を捉えることができない。 そこで本研究では,少数のHF-LFMRIからHFからLFへの画像分解を直接学習する,エンドツーエンドのLF-MRI合成フレームワークを提案する。 具体的には、新しいHF to LF座標像デカップリングニューラル演算子(H2LO)を導入し、基礎となる劣化過程をモデル化し、高周波ノイズテクスチャと画像構造を捉える。 T1wとT2w MRIの実験結果から、H2LOは既存のパラメータ化ノイズ合成モデルや一般的な画像から画像への変換モデルよりも忠実にシミュレートされた低フィールド画像を生成することが示された。 さらに、下流画像強調タスクのパフォーマンスを改善し、LFMRI診断能力を向上する可能性を示している。

関連論文リスト

• HULFSynth : An INR based Super-Resolution and Ultra Low-Field MRI Synthesis via Contrast factor estimation [0.20434955508889785]
  教師なし単一画像双方向磁気共鳴画像(MRI)合成器を提案する。 ウルトラローフィールド(ULF)のような画像は、HF(High-Field)等級の画像と、その逆の画像から合成する。 我々のアプローチは、HFとULFMRIのコントラスト変化を駆動する物理にインスパイアされている。
  論文  参考訳（メタデータ） (2025-11-18T20:36:24Z)
• NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
  本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。 様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
  論文  参考訳（メタデータ） (2024-03-27T02:42:52Z)
• Transferring Ultrahigh-Field Representations for Intensity-Guided Brain Segmentation of Low-Field Magnetic Resonance Imaging [51.92395928517429]
  7T MRIの使用は、低磁場MRIと比較して高コストでアクセシビリティが低いため制限されている。 本研究では,入力されたLF磁気共鳴特徴表現と,脳画像分割タスクのための7T様特徴表現とを融合したディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-13T12:21:06Z)
• 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)
• Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
  高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。 この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
  論文  参考訳（メタデータ） (2023-07-12T00:01:00Z)
• Meta-Learning Enabled Score-Based Generative Model for 1.5T-Like Image Reconstruction from 0.5T MRI [22.024215676838185]
  本稿では,教師の学習機構を活用したメタラーニング手法を提案する。 最適なトランスポート駆動型教師は,高磁場MRI画像から低磁場MR画像への劣化過程を学習する。 そして、スコアベースの学生は、低磁場MRIから高磁場のようなMR像を再構成する逆問題を解決する。
  論文  参考訳（メタデータ） (2023-05-04T02:40:42Z)
• Low-field magnetic resonance image enhancement via stochastic image quality transfer [5.0300525464861385]
  低磁場(1T)磁気共鳴イメージング(MRI)スキャナーは、低所得国や中所得国(LMICs)で広く使われている。 低磁場MR画像は通常、高分解能画像(1.5T、3T以上)よりも解像度が低くコントラストが低い。 そこで本研究では、低磁場画像から高磁場で得られた画像から低磁場構造体MRIを推定することにより、画像品質変換(IQT)を提案する。
  論文  参考訳（メタデータ） (2023-04-26T08:52:29Z)
• Accurate super-resolution low-field brain MRI [0.6501025489527174]
  LFMRI T1重み付きシーケンスから1mm等方性MPRAGE様スキャンを合成するための機械学習アルゴリズムの拡張について報告する。 これらの結果は、LFMRIにおける正常画像および異常画像の検出を高めるための今後の研究の基礎となった。
  論文  参考訳（メタデータ） (2022-02-07T23:57:28Z)
• Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
  本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
  論文  参考訳（メタデータ） (2021-04-05T13:05:22Z)

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。