論文の概要: Product-of-Gaussian-Mixture Diffusion Models for Joint Nonlinear MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2605.10629v1
• Date: Mon, 11 May 2026 14:20:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.889138
• Title: Product-of-Gaussian-Mixture Diffusion Models for Joint Nonlinear MRI Reconstruction
• Title（参考訳）: 非線形非線形MRI再構成のためのガウス・ミクチャー拡散モデル
• Authors: Laurenz Nagler, Martin Zach, Thomas Pock,
• Abstract要約: 本研究では, パラメータ効率のよいガウス混合拡散モデルと, コイル感度に先立つ古典的滑らかさを併用することにより, 画像とコイル感度を共同で再構成する。 提案手法は, コントラストおよび解剖学的分布シフトおよびk空間軌跡の変化に対して, 高速かつ堅牢である。
• 参考スコア（独自算出の注目度）: 8.009932864430903
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, diffusion models have attracted considerable attention for magnetic resonance image reconstruction due to their high sample quality. However, most existing methods rely on large networks with opaque time-conditioning mechanisms, and require offline coil sensitivity estimation. This results in limited interpretability of the reconstruction process and reduced flexibility in the acquisition setup. To address these limitations, we jointly reconstruct the image and the coil sensitivities by combining the parameter-efficient product-of-Gaussian-mixture diffusion model as an image prior with a classical smoothness prior on the coil sensitivities. The proposed method is fast and robust to both contrast and anatomical distribution shifts as well as changing k-space trajectories. Finally, we propose a more expressive parameterization of the image prior which improves results in denoising and magnetic resonance image reconstruction.
• Abstract（参考訳）: 近年,磁気共鳴画像の高画質化により拡散モデルが注目されている。 しかし、既存のほとんどの手法は不透明な時間条件機構を持つ大規模ネットワークに依存しており、オフラインコイル感度推定を必要とする。 これにより、再構成プロセスの解釈可能性の制限と、取得セットアップの柔軟性の低下が実現される。 これらの制約に対処するために、パラメータ効率の良いガウス混合拡散モデルと、コイル感度に先立つ古典的滑らかさを併用することにより、画像とコイル感度を共同で再構成する。 提案手法は, コントラストおよび解剖学的分布シフトおよびk空間軌跡の変化に対して, 高速かつ堅牢である。 最後に,より表現力に富んだ画像のパラメータ化を提案し,デノナイズと磁気共鳴画像再構成の結果を改善する。

関連論文リスト

• Flow-Guided Implicit Neural Representation for Motion-Aware Dynamic MRI Reconstruction [19.66198868468091]
  動的磁気共鳴イメージング(dMRI)は解剖学的に時間分解されるが、限られたサンプリングや運動によって引き起こされるアーティファクトによってしばしば挑戦される。 本研究では,動的画像列とその基盤となる運動場を協調的にモデル化する,新しい暗黙的ニューラル表現フレームワークを提案する。 動的心臓MRIデータセットの実験により、この手法は最先端のモーションインスパイアされた深層学習手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-21T04:51:23Z)
• Higher fidelity perceptual image and video compression with a latent conditioned residual denoising diffusion model [55.2480439325792]
  本稿では,認知品質に最適化されたハイブリッド圧縮方式を提案し,CDCモデルのアプローチをデコーダネットワークで拡張する。 CDCと比較した場合,LPIPSとFIDの知覚スコアを比較検討しながら,最大2dBPSNRの忠実度向上を実現した。
  論文  参考訳（メタデータ） (2025-05-19T14:13:14Z)
• 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)
• Learning to Reconstruct Accelerated MRI Through K-space Cold Diffusion without Noise [2.7802624923496353]
  ガウス雑音を伴わずにk空間における画像劣化と復元を行うk空間冷拡散モデルを提案する。 以上の結果から, この新たな劣化処理により, 高速MRIのための高品質な再構成画像が生成できることが示唆された。
  論文  参考訳（メタデータ） (2023-11-16T19:34:18Z)
• Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
  圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。 拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。 本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
  論文  参考訳（メタデータ） (2023-06-05T22:09:06Z)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
  DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。 高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。 異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• 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)
• 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。