論文の概要: Weakly Convex Ridge Regularization for 3D Non-Cartesian MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2603.27158v1
• Date: Sat, 28 Mar 2026 06:48:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.819894
• Title: Weakly Convex Ridge Regularization for 3D Non-Cartesian MRI Reconstruction
• Title（参考訳）: 3次元非カルテシアンMRIにおける弱凸尾根規則化法の検討
• Authors: German Shâma Wache, Chaithya G R, Asma Tanabene, Sebastian Neumayer,
• Abstract要約: 我々は回転不変な弱凸リッジ正規化器(WCRR)を訓練する。 提案手法は,GoLF SPARKling と CAIPIRINHA の買収について,再現的シミュレーションデータと (分布外) の美術手法の状態を比較検討した。 当社のアプローチは,広く使用されているベースラインを一貫して上回り,3D DRUNetデノイザの状態を伴ってPlugとPlayの再構築に匹敵するパフォーマンスを実現している。
• 参考スコア（独自算出の注目度）: 2.81822896919646
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While highly accelerated non-Cartesian acquisition protocols significantly reduce scan time, they often entail long reconstruction delays. Deep learning based reconstruction methods can alleviate this, but often lack stability and robustness to distribution shifts. As an alternative, we train a rotation invariant weakly convex ridge regularizer (WCRR). The resulting variational reconstruction approach is benchmarked against state of the art methods on retrospectively simulated data and (out of distribution) on prospective GoLF SPARKLING and CAIPIRINHA acquisitions. Our approach consistently outperforms widely used baselines and achieves performance comparable to Plug and Play reconstruction with a state of the art 3D DRUNet denoiser, while offering substantially improved computational efficiency and robustness to acquisition changes. In summary, WCRR unifies the strengths of principled variational methods and modern deep learning based approaches.
• Abstract（参考訳）: 高度に高速化された非モンテカルロ取得プロトコルはスキャン時間を著しく短縮するが、長い復元遅延を伴うことが多い。 ディープラーニングに基づく再構築手法は、これを緩和することができるが、しばしば分散シフトに対する安定性と堅牢性を欠いている。 代替として、回転不変な弱凸リッジ正規化器 (WCRR) を訓練する。 提案手法は,GoLF SPARKling と CAIPIRINHA の買収を反映した再帰シミュレーションデータと (分布外) の最先端手法と比較した。 提案手法は広く使用されているベースラインを一貫して上回り,最新の3D DRUNetデノイザによるPlug and Playの再構築に匹敵する性能を実現し,また,取得変更に対する計算効率とロバスト性を大幅に向上させる。 要約すると、WCRRは原則付き変分法と現代のディープラーニングに基づくアプローチの強みを統一する。

関連論文リスト

• Unrolled Reconstruction with Integrated Super-Resolution for Accelerated 3D LGE MRI [0.07026564887314535]
  本稿では,最適化ループの各イテレーションにおいて,EDSRネットワークを演算子に置き換えるハイブリッドアンロール型再構成フレームワークを提案する。 そこで提案手法は,PSNR と SSIM を標準的アンロール型再構成よりも常に改良する。 これらの結果から, 3次元LGE MRIでは, 超高分解能前兆を直接モデルベース再構成に組み込むことで, 測定精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2026-03-18T21:48:48Z)
• SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
  自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。 本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-16T02:55:14Z)
• From sparse recovery to plug-and-play priors, understanding trade-offs for stable recovery with generalized projected gradient descent [2.599882743586164]
  雑音や過度な観測から未知の低次元ベクトルを復元する問題を考察する。 我々は,従来のスパースリカバリ手法と現代的なアプローチを統合するGPGD(Generalized Projected Gradient Descent)フレームワークに注目した。
  論文  参考訳（メタデータ） (2025-12-08T10:31:48Z)
• Sparsity-Driven Parallel Imaging Consistency for Improved Self-Supervised MRI Reconstruction [2.8237889121096034]
  本稿では,PD-DLネットワークを慎重に設計した摂動を用いてトレーニングする方法を提案する。 提案手法は,アーティファクトのエイリアスを効果的に低減し,高加速速度での雑音増幅を緩和することを示す。
  論文  参考訳（メタデータ） (2025-05-30T02:11:25Z)
• Fast Training of Recurrent Neural Networks with Stationary State Feedbacks [48.22082789438538]
  リカレントニューラルネットワーク(RNN)は最近、Transformerよりも強力なパフォーマンスと高速な推論を実証している。 BPTTを固定勾配フィードバック機構で置き換える新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-03-29T14:45:52Z)
• Collaborative Feedback Discriminative Propagation for Video Super-Resolution [66.61201445650323]
  ビデオ超解像法(VSR)の主な成功は、主に空間情報と時間情報を探索することに由来する。 不正確なアライメントは通常、重要なアーティファクトを備えたアライメント機能につながる。 伝搬モジュールは同じタイムステップ機能のみを前方または後方に伝播する。
  論文  参考訳（メタデータ） (2024-04-06T22:08:20Z)
• Gated Recurrent Neural Networks with Weighted Time-Delay Feedback [55.596897987498174]
  本稿では,重み付き時間遅延フィードバック機構を備えたゲートリカレントユニット(GRU)を導入し,時系列データの長期依存性をモデル化する手法を提案する。 提案したモデルである $tau$-GRU は、繰り返し単位の連続時間定式化の離散版であり、力学は遅延微分方程式(DDE)によって制御される。
  論文  参考訳（メタデータ） (2022-12-01T02:26:34Z)
• 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)

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。