論文の概要: Prospective Dynamic 3D MRI Reconstruction via Latent-Space Motion Tracking from Single Measurement
- arxiv url: http://arxiv.org/abs/2606.04249v1
- Date: Tue, 02 Jun 2026 21:54:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.401816
- Title: Prospective Dynamic 3D MRI Reconstruction via Latent-Space Motion Tracking from Single Measurement
- Title（参考訳）: 単一計測による潜在空間運動追跡による3次元MRIの前方視像再構成
- Authors: Lixuan Chen, Zhongnan Liu, Jesse Hamilton, James M. Balter, Jeong Joon Park, Liyue Shen,
- Abstract要約: 静止空間における運動追跡機能を備えた動的3次元MRI再構成フレームワークを提案する。
我々の中心となる考え方は、効率よく一般化可能な運動場の潜在多様体をオフラインで学ぶことである。
XCATデジタルファントムと社内の腹部MRIデータセットの両方の実験は、PDMRが高忠実で時間的に一貫した再構成を実現することを示した。
- 参考スコア（独自算出の注目度）: 14.282529248301175
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Prospective reconstruction is crucial in many clinical applications such as MRI-guided radiotherapy, which demands accurate image reconstruction and fast motion estimation from currently acquired measurements. However, prospective reconstruction remains challenging due to ultra-sparse sampling and stringent latency requirements. In this work, we propose PDMR, a Prospective Dynamic 3D MRI Reconstruction framework with latent-space motion tracking. Our core idea is to learn an efficient and generalizable latent manifold of motion fields offline, enabling rapid online adaptation for prospective reconstruction. Specifically, we parameterize the deformation vector fields (DVFs) on a low-dimensional manifold, effectively reducing the search space for fast online adaptation, and employ a tri-plane representation to achieve geometry-aware and memory-efficient encoding of 3D motion. Experiments on both XCAT digital phantoms and in-house abdominal MRI datasets demonstrate that PDMR achieves high-fidelity and temporally consistent reconstruction across multiple prospective scenarios (Immediate and After-2min), outperforming state-of-the-art retrospective and online methods. Our results suggest a promising pathway toward ultra-fast, motion-aware prospective MRI reconstruction in clinical practice.
- Abstract（参考訳）: MRI誘導放射線療法のような多くの臨床応用では、画像の正確な再構成や、現在取得されている測定結果からの高速な動き推定が求められている。
しかし,超スパースサンプリングと厳密なレイテンシ要求のため,将来的な再構築は依然として困難である。
本研究では,潜在空間運動追跡機能を備えた3次元動的3次元MRI再構成フレームワークPDMRを提案する。
我々の中核となる考え方は、効率的で一般化可能な運動場の潜在多様体をオフラインで学習することであり、将来的な再構成のための迅速なオンライン適応を可能にする。
具体的には、低次元多様体上の変形ベクトル場(DVF)をパラメータ化し、高速なオンライン適応のための探索空間を効果的に削減し、3次元運動の幾何学的認識とメモリ効率のよい符号化を実現するために、三面体表現を用いる。
XCATデジタルファントムと社内の腹部MRIデータセットの両方の実験では、PDMRは複数の予測シナリオ(ImmediateとAfter-2min)にわたる高忠実で時間的に一貫した再構築を実現し、最先端の振り返りおよびオンライン手法より優れていることが示されている。
以上の結果から,超高速な運動認識型MRIの臨床応用への道筋が示唆された。
関連論文リスト
- MotionDPS: Motion-Compensated 3D Brain MRI Reconstruction [39.243053176227065]
そこで本研究では, 解剖画像, 剛体運動パラメータ, コイル感度マップを, k-spaceデータから直接推定する動き補償3次元MRIを提案する。
提案手法は,3次元複雑なスコアベース拡散モデルを物理ベースフォワードモデル内に表現型解剖画像として組み込んだものである。
シミュレーションおよびリアルタイム脳MRIデータを用いた実験により,提案手法は画像の質と動きの堅牢性を向上することを示した。
論文 参考訳（メタデータ） (2026-05-21T07:53:06Z) - Fast Multi-Stack Slice-to-Volume Reconstruction via Multi-Scale Unrolled Optimization [6.712738779940082]
本稿では,複数の2次元スライススタックを融合してコヒーレントな3次元構造を復元する高速畳み込みフレームワークを提案する。
胎児脳MRIを用いて, 高品質な3Dボリュームを10秒未満で再構成し, 1sスライス登録と精度を最先端の反復SVRパイプラインと比較した。
論文 参考訳（メタデータ） (2026-01-12T13:18:49Z) - Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。
現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。
本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
論文 参考訳（メタデータ） (2025-09-11T23:12:55Z) - MedTet: An Online Motion Model for 4D Heart Reconstruction [59.74234226055964]
本研究は, 術後の軽度データから3次元心臓運動を再構築するための新しいアプローチを提案する。
既存の方法では、フル3次元の体積像から3次元の臓器のジオメトリーを正確に再構築することができる。
このような部分的データから3次元運動を再構築するための汎用的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-03T17:18:33Z) - MotionTTT: 2D Test-Time-Training Motion Estimation for 3D Motion Corrected MRI [24.048132427816704]
高精度な動き推定のための深層学習に基づくテスト時間学習法を提案する。
本手法は, 単純な信号とニューラルネットワークモデルに対して, 動作パラメータを確実に再構成できることを示す。
論文 参考訳（メタデータ） (2024-09-14T08:51:33Z) - 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) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳（メタデータ） (2022-04-01T22:48:08Z) - 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) - 4D iterative reconstruction of brain fMRI in the moving fetus [1.8492120771993543]
本手法の精度を実地臨床用fMRI胎児群で定量的に評価した。
その結果,従来の3D手法と比較して再現性の向上が見られた。
論文 参考訳（メタデータ） (2021-11-22T18:12:21Z) - Deep variational network for rapid 4D flow MRI reconstruction [0.5156484100374058]
長い生体内スキャンタイムは、データ相関を利用する加速イメージング技術を必要とする。
本稿では,効率的なモデルベースディープニューラルネットワークを提案する。
ネットワークは、標準の消費者向けハードウェア上で、アンサンプされた4DフローMRIデータを1分以内で再構築する。
論文 参考訳（メタデータ） (2020-04-20T20:17:49Z)
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。