論文の概要: Variational Network with Wavelet-based UNET in Accelerated MRI Reconstruction from Under Sampled K-space Data

• arxiv url: http://arxiv.org/abs/2606.15167v1
• Date: Sat, 13 Jun 2026 07:34:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:32.960668
• Title: Variational Network with Wavelet-based UNET in Accelerated MRI Reconstruction from Under Sampled K-space Data
• Title（参考訳）: サンプリングK空間データに基づくMRIの高速化におけるウェーブレットベースUNETを用いた変動ネットワーク
• Authors: Yasir Arafat Prodhan, Shaikh Anowarul Fattah,
• Abstract要約: 本稿では,ウェーブレットベースU-Net(W-UNet)を用いたMRIの高速化のための変分ネットワークを提案する。 このフレームワークは、物理誘導的反復再構成と学習可能なマルチスケールの周波数表現を組み合わせたものである。 fastMRI膝とM4脳データセットの実験は、最先端のパフォーマンスを示している。
• 参考スコア（独自算出の注目度）: 1.503974529275767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fully sampled MRI requires dense k-space acquisition, leading to long scan times, reduced clinical throughput, and increased sensitivity to patient motion. Accelerated MRI addresses this by acquiring undersampled k-space data and reconstructing the missing information computationally. However, reconstruction from undersampled measurements is highly ill-posed and can introduce aliasing artifacts, noise amplification, and loss of anatomical detail. Although conventional parallel imaging and compressed sensing methods mitigate these issues, and deep learning methods have further improved reconstruction quality, preserving high-frequency structures under aggressive undersampling remains challenging. In this work, we propose a Variational Network with a Wavelet-based U-Net (W-UNet) for accelerated MRI reconstruction. The framework combines physics-guided iterative reconstruction with learnable multi-scale frequency representations. Standard pooling operations are replaced with Discrete Wavelet Transform and Inverse Wavelet Transform modules, enabling lossless downsampling while preserving low-frequency structure and high-frequency edge details. Integrated into the refinement and sensitivity map estimation stages, the proposed design improves artifact suppression, feature preservation, and reconstruction fidelity in both single-coil and multi-coil settings. Experiments on fastMRI knee and M4Raw brain datasets show state-of-the-art performance. Ablation studies further confirm the effectiveness of wavelet-based feature decomposition for accelerated MRI reconstruction.
• Abstract（参考訳）: 完全なサンプルMRIでは、高密度のk空間の取得が必要で、長いスキャン時間、臨床スループットの低下、患者の動きに対する感度の向上が求められる。 加速度MRIは、アンサンプ付きk空間データを取得し、不足した情報を計算的に再構成することでこの問題に対処する。 しかし、アンダーサンプル測定による再構成は非常に不良であり、エイリアス化アーティファクト、ノイズ増幅、解剖学的詳細の喪失をもたらす可能性がある。 従来の並列イメージングと圧縮センシングはこれらの問題を緩和するが、深層学習は再構築の質をさらに向上させ、アグレッシブアンサンプの下での高周波構造の保存は依然として困難である。 本研究では,ウェーブレットベースU-Net(W-UNet)を用いたMRIの高速化のための変分ネットワークを提案する。 このフレームワークは、物理誘導的反復再構成と学習可能なマルチスケールの周波数表現を組み合わせたものである。 標準プーリング操作は離散ウェーブレット変換と逆ウェーブレット変換モジュールに置き換えられ、低周波構造と高周波エッジの詳細を保存しながら損失のないダウンサンプリングを可能にする。 改良および感度マップ推定段階に組み込まれた提案設計では, 単コイルおよび多コイルの双方において, アーティファクトの抑制, 特徴保存, 再現性の向上が図られている。 fastMRI膝とM4Raw脳データセットの実験は、最先端のパフォーマンスを示している。 アブレーション研究により, ウェーブレットを用いたMRI画像再構成における特徴分解の有効性がさらに検証された。

関連論文リスト

• Parallel qMRI Reconstruction from 4x Accelerated Acquisitions [0.0]
  コイル感度マップを共同で推定し、4倍の加速で、アンダーサンプリングされたk空間測定のみから画像を再構成するエンド・ツー・エンドのディープラーニングフレームワークを提案する。 心エコーが8例の被験者10名のマルチコイル脳MRIデータに対して,2倍のSENSE再構成を基礎的真実として検討した。 提案手法は,PSNR/SSIM値が低いにもかかわらず,従来のSENSE出力に比べて視覚的にスムーズな再構成を実現する。
  論文  参考訳（メタデータ） (2025-11-23T00:45:05Z)
• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• 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)
• CAMP-Net: Consistency-Aware Multi-Prior Network for Accelerated MRI Reconstruction [4.967600587813224]
  k空間データをMRIでアンサンプすることでスキャン時間が短縮されるが、画像再構成において課題が生じる。 CAMP-Net は,MRI の高速化のためのアンロール型 Consistency-Aware Multi-Prior Network を提案する。
  論文  参考訳（メタデータ） (2023-06-20T02:21:45Z)
• ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
  本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。 高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。 パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-01-23T21:58:19Z)
• Reference-based Magnetic Resonance Image Reconstruction Using Texture Transforme [86.6394254676369]
  高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。 変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。 提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
  論文  参考訳（メタデータ） (2021-11-18T03:06:25Z)
• Deep MRI Reconstruction with Radial Subsampling [2.7998963147546148]
  k空間データにサブサンプリングマスクを適用することは、実際の臨床環境でk空間データの迅速な取得をシミュレートする方法である。 訓練された深層ニューラルネットワークが出力する再構成の質に対して,リチリニア・ラジアル・リフレクション・サブサンプリングを適用させる効果を比較検討し,検討した。
  論文  参考訳（メタデータ） (2021-08-17T17:45:51Z)
• Unsupervised MRI Reconstruction via Zero-Shot Learned Adversarial Transformers [0.0]
  Zero-Shot Learned Adrial Transformers (SLATER) を用いた新しい非監視MRI再構成法を提案する。 アンダーサンプルテストデータ上でゼロショット再構成を行い、ネットワークパラメータを最適化して推論を行います。 脳MRIデータセットの実験は、いくつかの最先端の教師なし手法に対してSLATERの優れた性能を明らかに示している。
  論文  参考訳（メタデータ） (2021-05-15T02:01:21Z)
• 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。