論文の概要: Unsupervised Susceptibility Distortion Correction of EPI without Calibration Scans via Image Translation-Based Registration

• arxiv url: http://arxiv.org/abs/2606.21588v1
• Date: Fri, 19 Jun 2026 16:44:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 06:51:08.064569
• Title: Unsupervised Susceptibility Distortion Correction of EPI without Calibration Scans via Image Translation-Based Registration
• Title（参考訳）: 画像翻訳ベースレジストレーションによる校正スコープのないEPIの教師なし感受性歪み補正
• Authors: Wooseung Kim, Sung-Hong Park,
• Abstract要約: 機能的磁気共鳴イメージング(fMRI)は、エコープラナーイメージング(EPI)を用いて、高時間分解能の血液酸素レベル依存(BOLD)信号をキャプチャする。 EPIは本質的に磁場の不均一性に敏感であり、相エンコーディング(PE)方向に沿った感受性による幾何歪みをもたらす。 SACREDは、画像翻訳に基づく登録により幾何歪みを補正するキャリブレーション・スキャンフリー・サセプティビリティ・歪み補正フレームワークである。
• 参考スコア（独自算出の注目度）: 2.2344764434954256
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Functional magnetic resonance imaging (fMRI) utilizes echo-planar imaging (EPI) to capture blood-oxygen-level-dependent (BOLD) signals with high temporal resolution. However, EPI is inherently sensitive to magnetic field inhomogeneities, resulting in susceptibility-induced geometric distortions along the phase-encoding (PE) direction. To correct these distortions, conventional approaches rely on additional calibration scans, such as field maps or reverse PE acquisitions, which are not always available in practice. To overcome this limitation, we propose SACRED, a calibration scan-free susceptibility distortion correction framework that corrects geometric distortions via image translation-based registration using only a routinely acquired anatomical T1-weighted (T1w) image and a unidirectional PE BOLD image. SACRED employs an invertible neural network as the image translation backbone to bridge the contrast gap between BOLD and T1w images while enforcing structural consistency through a modality independent neighborhood descriptor. This design enables the use of a mono-contrast similarity objective to train the registration network in an unsupervised manner without requiring distortion-corrected BOLD images. In addition, we incorporate test-time adaptation (TTA) to further enhance performance on out-of-distribution (OOD) data at inference time. SACRED was evaluated on one in-distribution (ID) dataset and two OOD datasets, and was compared with representative fMRI distortion correction methods. The results demonstrate that SACRED significantly outperforms competing methods on both ID and OOD datasets, exhibiting robustness to scanner and population shifts, partly enabled by TTA. The code will be made publicly available upon acceptance.
• Abstract（参考訳）: 機能的磁気共鳴イメージング(fMRI)は、エコープラナーイメージング(EPI)を用いて、高時間分解能の血液酸素レベル依存(BOLD)信号をキャプチャする。 しかし、EPIは本質的に磁場の不均一性に敏感であり、相エンコーディング(PE)方向に沿った感受性誘起幾何歪みをもたらす。 これらの歪みを補正するために、従来の手法ではフィールドマップや逆PE取得などのキャリブレーションスキャンが用いられており、実際には必ずしも利用できない。 この制限を克服するため、SACREDは画像翻訳ベース登録による幾何歪みを補正するキャリブレーション・スキャンフリー・サセプティビリティ・歪み補正フレームワークであり、日常的に取得される解剖学的T1重み付き(T1w)画像と一方向PE BOLD画像のみを用いて提案する。 SACREDは、画像翻訳のバックボーンとして可逆ニューラルネットワークを使用し、BOLDとT1w画像のコントラストギャップを橋渡しし、モダリティに依存しない近傍記述子を通じて構造的一貫性を強制する。 この設計により、歪み補正BOLD画像を必要とすることなく、モノコントラスト類似目標を用いて登録ネットワークを教師なしで訓練することができる。 さらに,テスト時間適応 (TTA) を組み込んで,推定時間におけるアウト・オブ・ディストリビューション (OOD) データの性能をさらに向上させる。 SACREDは1つの内分布(ID)データセットと2つのOODデータセットで評価され、fMRI歪み補正法と比較された。 その結果, SACRED は ID および OOD データセットの競合手法を著しく上回り, スキャナや人口移動に対する堅牢性を示し, 部分的には TTA が有効であることがわかった。 コードは受理時に公開されます。

関連論文リスト

• Learning to Distort: Weakly-Supervised Image Quality Transfer for Prostate DWI Correction [36.99892867630486]
  単発エコープラナー拡散強調画像(DWI)は幾何歪みにより複雑になることが多い。 本稿では,非歪画像から歪画像への弱教師付き画像品質転送(IQT)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-17T09:47:53Z)
• 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)
• Neighbor2Inverse: Self-Supervised Denoising for Low-Dose Region-of-Interest Phase Contrast CT [3.292132675169194]
  改良された畳み込みニューラルネットベースのデノゲーションは、画質を回復するが、ペア化された低量データセットと高用量データセットに依存する。 臨床CTに一般化した低用量PBI-CTのための自己教師型 denoising framework である Neighbor2Inverse を紹介する。
  論文  参考訳（メタデータ） (2026-05-01T20:17:33Z)
• Self-Supervised Angular Deblurring in Photoacoustic Reconstruction via Noisier2Inverse [2.812291464467386]
  光音響トモグラフィ(PAT)は、光学コントラストと超音波分解能を組み合わせた新しい画像モダリティである。 本研究では,地中構造データを必要とすることなく,有限サイズの検出器効果に対処するNoisier2Inverseに基づく自己教師型再構成手法を提案する。 提案手法はノイズ測定を直接処理し,高画質のPAT画像を地道な方法で復元する方法を学習する。
  論文  参考訳（メタデータ） (2026-04-17T04:07:11Z)
• Susceptibility Distortion Correction of Diffusion MRI with a single Phase-Encoding Direction [0.0]
  本稿では,1回の取得のみを用いて,受容可能性歪みを補正するための深層学習に基づくアプローチを提案する。 実験結果から,提案手法はトップアップに匹敵する性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-08-18T19:56:03Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• fRegGAN with K-space Loss Regularization for Medical Image Translation [42.253647362909476]
  GAN(Generative Adversarial Network)は、現実的な画像の生成において顕著な成功を収めている。 GANは低周波の周波数バイアスに悩まされる傾向にあり、それによって生成された画像の重要な構造が取り除かれる。 本稿では,fRegGANと呼ばれる教師付きRegGANアプローチに基づく新しい周波数対応画像画像変換フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T12:49:10Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• Segmentation-Renormalized Deep Feature Modulation for Unpaired Image Harmonization [0.43012765978447565]
  サイクル一貫性のある生成共役ネットワークは、ソースとターゲットドメイン間のイメージセットの調和に使われてきた。 これらの手法は、不安定性、コントラストの逆転、病理の難治性操作、および実際の医用画像における信頼性を制限したステガノグラフィーマッピングの傾向が強い。 解剖学的レイアウトを維持しながらスキャナ間の調和を低減するセグメンテーション正規化画像翻訳フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-11T23:53:51Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。