論文の概要: Rapid online deep artifact suppression for real-time spiral bSSFP CMR with blipped-CAIPI simultaneous multi-slice imaging at 1.5 T
- arxiv url: http://arxiv.org/abs/2605.26127v1
- Date: Mon, 18 May 2026 16:08:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.183289
- Title: Rapid online deep artifact suppression for real-time spiral bSSFP CMR with blipped-CAIPI simultaneous multi-slice imaging at 1.5 T
- Title（参考訳）: 1.5T同時多重スライス撮影によるリアルタイムスパイラルbSSFP CMRの高速オンラインディープアーティファクト抑制
- Abstract要約: リアルタイム (RT) bSSFP MRI は高速自由呼吸心血管画像撮影を可能にするが, 機能評価には10-16スライスが必要である。
同時マルチスライス(SMS)イメージングは、取得時間を短縮するが、非カルト的軌跡と組み合わせると、オンライン利用を妨げる反復的再構成に依存する。
本研究は,RTSMSの迅速なオンライン再構築を容易にするため,深層人工物抑制について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: Real-time (RT) bSSFP MRI enables fast free-breathing cardiovascular imaging but requires 10-16 slices for functional assessment, resulting in prolonged scan times. Simultaneous multi-slice (SMS) imaging can reduce acquisition time but when combined with non-Cartesian trajectories, it relies on iterative reconstructions that preclude online use. This study investigates deep artifact suppression to facilitate rapid, online reconstruction of RT-SMS. Methods: A spiral bSSFP SMS RT sequence with two simultaneously acquired slices was implemented at 1.5 T. Reconstruction used slice separation in k-space, followed by deep artifact suppression in image space using a 3D U-Net. Ten healthy volunteers were imaged. RT-SMS image quality and reconstruction time were compared between deep artifact suppression and compressed sensing (CS) reconstructions. Left (LV) and right (RV) ventricular volumes at end diastole (EDV) and end systole (ESV) and LV mass (LVM) were compared between RT-SMS with deep artifact suppression and reference-standard breath-hold (BH) imaging. Results: The RT-SMS acquisition was ~13x faster than BH imaging (15 s vs 3 min 15 s). RT-SMS reconstruction using deep artifact suppression was ~50x faster than CS (30 s vs 24 min 55 s). Deep artifact suppression consistently outperformed CS in quantitative and qualitative image quality (p<0.001). Functional agreement between BH and RT-SMS with deep artifact suppression was good (LVEDV: -7.5 +/- 6.8 ml, LVESV: -0.9 +/- 4.2 ml, RVEDV: -6.4 +/- 8.4 ml, RVESV: 0.2 +/- 10.7 ml, LVM: -10.3 +/- 11.0 g). Conclusion: Online deep artifact suppression reconstruction for RT-SMS bSSFP CMR enables free-breathing short-axis coverage with a substantial reduction in acquisition and reconstruction time while maintaining diagnostic image quality.
- Abstract（参考訳）: 目的: リアルタイム(RT) bSSFP MRIは高速自由呼吸心血管画像撮影を可能にするが, 機能評価には10～16スライスが必要であり, スキャン時間が長くなる。
同時マルチスライス(SMS)イメージングは、取得時間を短縮するが、非カルト的軌跡と組み合わせると、オンライン利用を妨げる反復的再構成に依存する。
本研究は,RT-SMSの迅速なオンライン再構築を容易にするため,深層人工物抑制について検討する。
方法: 1.5 Tで同時に取得した2つのスライスを有するスパイラルbSSFP SMS RTシークエンスを実装し,k空間のスライス分離と3D U-Netを用いた画像空間の深いアーティファクト抑圧を行った。
10人の健康なボランティアが撮影されました。
RT-SMS画像の画質と復元時間は, 深部アーチファクト抑制と圧縮センシング(CS)再構成を比較した。
左(LV)と右(RV)の心室容積(EDV)と終末シストール(ESV)とLV質量(LVM)を比較した。
結果: RT-SMSの買収はBH画像の約13倍(15秒対3分15秒)であった。
RT-SMS再建は, CS (30 s vs 24 min 55 s) より50倍速かった。
深部アーティファクト抑制は, 定量的および定性的画質(p<0.001。
BHとRT-SMSの深いアーチファクト抑制による機能的合意は良好であった(LVEDV: -7.5 +/- 6.8 ml, LVESV: -0.9 +/- 4.2 ml, RVEDV: -6.4 +/- 8.4 ml, RVESV: 0.2 +/- 10.7 ml, LVM: -10.3 +/- 11.0 g)。
結論: RT-SMS bSSFP CMRのオンラインディープアーティファクト再構成により, 診断画像の品質を維持しつつ, 取得時間と復元時間を大幅に短縮できる。
関連論文リスト
- Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。
ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。
ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
論文 参考訳（メタデータ） (2026-05-29T02:48:23Z) - Paired Conditional Generative Adversarial Network for Highly Accelerated Liver 4D MRI [8.880834588879525]
本研究では,4次元MRI再構成時間を短縮するReconstruct Paired Generative Adrial Network (Re-Con-GAN)を提案する。
ResNet9, UNet, Restructation Swin Transformerの3種類のネットワークがジェネレータとして探索された。
Re-Con-GANはCS/UNetモデルと比較してPSNR、SSIM、RMSEのスコアを一貫して達成した。
論文 参考訳（メタデータ） (2024-05-20T20:14:23Z) - Deep Learning-based Accelerated MR Cholangiopancreatography without Fully-sampled Data [0.8422467541029346]
本研究の目的は,3Tおよび0.55Tのディープラーニング(DL)を用いたMRCP(MRCP)の獲得を加速することであった。
我々は,3Tで得られた6倍アンダーサンプルデータを用いて,教師付き(SV)と自己教師付き(SSV)の2つの異なるトレーニング戦略を用いてDL再建を訓練した。
DL再建では3T/0.55TでMRCPの平均取得時間を599/542から255/180秒に短縮した。
論文 参考訳（メタデータ） (2024-05-06T10:53:13Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。
グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。
我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
論文 参考訳（メタデータ） (2023-11-22T21:51:29Z) - Deep-learning-based acceleration of MRI for radiotherapy planning of
pediatric patients with brain tumors [39.58317527488534]
RT専用レシーバコイルアライメントで取得したアンダーサンプルデータからMRI再構成を行う深層学習法を開発した。
DeepMRIRecは、評価された最先端手法を超える構造的類似度スコアを4倍に削減した。
論文 参考訳（メタデータ） (2023-11-22T16:01:44Z) - Cine cardiac MRI reconstruction using a convolutional recurrent network
with refinement [9.173298795526152]
心臓MRI再建における時間的相関を利用した畳み込みリカレントニューラルネットワーク(CRNN)アーキテクチャについて検討した。
これは、単一画像の超解像度リファインメントモジュールと組み合わせて、単一コイルの再構築を4.4%、正規化平均二乗誤差3.9%改善する。
提案モデルでは, ベースライン症例と比較して有意に拡張され, 心臓MRI再建のさらなる改善に有望な可能性を秘めている。
論文 参考訳（メタデータ） (2023-09-23T14:07:04Z) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳（メタデータ） (2022-09-15T03:58:30Z) - A Long Short-term Memory Based Recurrent Neural Network for
Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。
提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文 参考訳（メタデータ） (2022-03-28T14:03:45Z) - Performance of a GPU- and Time-Efficient Pseudo 3D Network for Magnetic Resonance Image Super-Resolution and Motion Artifact Reduction [7.532638301149741]
磁気共鳴イメージング(MRI)の最重要課題は、取得時間短縮と運動アーティファクトの減少である
深層学習に基づく画像復元は、高分解能かつモーションアーティファクトのないMRI画像を生成するための有望なソリューションとして登場した。
本研究では, 擬似3次元MRI画像の超解像再構成(SRR)と動きアーチファクト縮小(MAR)のための統合された2次元ディープラーニングフレームワークを採用した。
ネットワークの精度は画素ワイドの不確実性マップを用いて評価し、最先端の手法に対して性能をベンチマークした。
論文 参考訳（メタデータ） (2021-11-28T22:58:00Z) - 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) - ReconResNet: Regularised Residual Learning for MR Image Reconstruction
of Undersampled Cartesian and Radial Data [0.3694429692322631]
データの一部(アンダーサンプリング)を無視して取得速度を上げることができる
これにより、解像度の低下や画像アーティファクトの導入など、画質が劣化する。
深層学習は研究の非常に重要な分野として現れ、逆問題の解決に大きな可能性を示してきました。
論文 参考訳（メタデータ） (2021-03-16T17:24:30Z) - A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT
Source Trajectories for Artifact Avoidance [47.345403652324514]
市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。
そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。
リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
論文 参考訳（メタデータ） (2020-08-14T09:23:50Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。