論文の概要: Measured-Subspace Consistency: A Plug-and-Play Operator for Diffusion Posterior Sampling in Accelerated MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2606.28448v1
• Date: Fri, 26 Jun 2026 08:49:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.562017
• Title: Measured-Subspace Consistency: A Plug-and-Play Operator for Diffusion Posterior Sampling in Accelerated MRI Reconstruction
• Title（参考訳）: 計測サブスペース整合性: 高速MRI再建における拡散後サンプリングのためのプラグアンドプレイ演算子
• Abstract要約: 加速MRI用拡散後サンプリング装置は, 精度よく再構成できるが, 得られたk-空間は試料間では不一致である。 我々は、この測定されたサブスペースリークを物理許容障害とみなす。 我々は、標準のマルチコイル整合ロックで、任意の互換画像空間後部サンプルをラップするトレーニング不要端末補正である、測定サブスペース整合性(MSC)を提案する。
• 参考スコア（独自算出の注目度）: 2.4827516038838064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion posterior samplers for accelerated MRI can reconstruct accurately yet still disagree on the acquired k-space across samples, placing posterior variability on coefficients the scanner has already measured. We identify this measured-subspace leakage as a physical-admissibility failure. Under a hard-constraint model it violates the measurement constraint and inflates the reported uncertainty with disagreement about coefficients the scanner has already determined. To quantify this leakage, we introduce complementary measured- and unmeasured-subspace k-space dispersion metrics (MSD/USD). We then present Measured-Subspace Consistency (MSC), a training-free terminal correction that wraps any compatible image-space posterior sampler with a standard multi-coil consistency lock. The ideal lock follows classical range/null-space data consistency. Our contribution is to repurpose it as a black-box posterior audit and correction rather than a new reconstructor or learned sampler. Theoretically, we prove that the ideal transform confines pairwise sample differences to the MRI null space and bound the residual cross-subspace coupling left by practical sensitivity-weighted implementations. Across six base samplers and two MRI anatomies, including out-of-distribution transfer where a knee prior reconstructs brain, MSC substantially reduces measured-subspace dispersion for Soft samplers (a median 16.5x reduction for DPS across five brain contrasts, up to ~29x), while preserving unmeasured-subspace diversity and acting as a near-identity map for Consistent ones. Furthermore, MSC maintains or modestly improves PSNR/SSIM, with no retraining, retuning, or significant computational overhead.
• Abstract（参考訳）: 加速MRI用拡散後部サンプリング装置は、正確に再構成できるが、試料間で取得したk空間に相反し、スキャナーが既に測定した係数に後部変動性を置く。 我々は、この測定されたサブスペースリークを物理許容障害とみなす。 ハード制約モデルの下では、測定制約に違反し、報告された不確かさを、スキャナーが既に決定している係数についての不一致で膨らませる。 このリークを定量化するために,MSD/USD(MSD/USD)の相補的測定値と非測定値のk空間分散メトリクスを導入する。 次に、標準のマルチコイル整合ロックで、任意の互換画像空間後部サンプルをラップするトレーニング不要端末補正である、測定サブスペース整合性(MSC)を提案する。 理想的なロックは、古典的な範囲/null空間のデータ一貫性に従う。 我々の貢献は、新しい再構成器や学習サンプル装置ではなく、ブラックボックスの後方監査と修正として再利用することである。 理論的には、理想変換はMRIのヌル空間に一対のサンプル差を限定し、実用的な感度重み付け実装によって残される残差部分空間結合を束縛することを証明している。 6つのベースサンプルラーと2つのMRI解剖学のうち、膝が脳を再構成するアウト・オブ・ディストリビューション・トランスファー(英語版)を含む、MSCはソフトサンプルラーの計測サブスペース分散を著しく低減し(DPSは5つの脳コントラストで16.5倍、最大で29倍)、測定されていないサブスペースの多様性を保持し、一貫性のあるサブスペースマップとして機能する。 さらに、MSCはPSNR/SSIMの維持や改善を緩やかに行い、リトレーニング、リチューニング、大幅な計算オーバーヘッドは発生しない。

関連論文リスト

• When Guidance Goes Off-Scale: Recalibrating Diffusion Transformers under Analog Compute-in-Memory Nonidealities [2.005299372367689]
  ディフュージョントランスフォーマー(DiT)は、サンプリングによって大きなデノイザが繰り返し評価されるため、高いメモリトラフィックとエネルギーコストを発生させる。 アナログCIMの非理想性がDiTサンプリングに与える影響を特徴付ける。 そこで本研究では,CIM条件のCFGスケールのみを調整したリトレーニングフリーのサンプル側再校正を提案する。
  論文  参考訳（メタデータ） (2026-08-20T05:21:48Z)
• Dual-Prior Guided Null-Space Learning with Mixture-of-Splines for Arbitrary Medical Slice Super-Resolution [28.92727853844715]
  超解像は、任意のスケールで中間スライスを合成することにより異方性の臨床的取得から等方性ボリュームを再構成する。 この不適切な逆問題を、制約のない残差に基づく回帰リスクとして扱うことで、不明瞭な構造を幻覚させる。 本稿では,2つの相補的事前に導かれる制約付き回復過程としてタスクを再構成するDual-Prior Null-space Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-25T07:53:36Z)
• Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
  MRI再建は本質的に不完全な逆問題である。 この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。 提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-19T04:40:50Z)
• Unsupervised Domain Shift Detection with Interpretable Subspace Attribution [48.553902624178995]
  ドメインシフトはデータセットの確率分布の微妙な違いである。 高次元特徴空間における局所密度異常を検出するアルゴリズムを用いて,これらのシフトを同定する。 ドメインシフトを小さな機能セットにトレースすることで、シフトを解釈できます。
  論文  参考訳（メタデータ） (2026-05-15T12:58:00Z)
• Spatial Adapter: Structured Spatial Decomposition and Closed-Form Covariance for Frozen Predictors [0.6643390346826856]
  本研究では, 凍結した第1ステージ予測器に残留磁場の空間的構造を付加したパラメータ効率の高いポストホック層を提案する。 アダプタは残留物に関するカスケード第2段階として動作し、空間的に正規化された正則基底とサンプル毎のスコアを共同で学習する。 第1段階のパラメータは凍結するため、アダプタはバックボーンをリトレーニングしない。
  論文  参考訳（メタデータ） (2026-05-12T01:29:56Z)
• Bayesian Uncertainty-Aware MRI Reconstruction [5.452868777437004]
  アンダーサンプリングk空間計測を用いた関節磁気共鳴画像再構成のための新しい枠組みを提案する。 提案手法は, 再構成画像から得られた誤差マップと強い相関関係を示すとともに, 不確かさを効果的に定量化する。
  論文  参考訳（メタデータ） (2026-03-13T11:14:53Z)
• Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
  画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。 本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-02-26T16:58:43Z)
• Phase-space entropy at acquisition reflects downstream learnability [54.4100065023873]
  楽器分解位相空間に基づく取得レベルスカラー$S_mathcal B$を提案する。 本稿では, (S_mathcal B) が周期サンプリングの位相空間コヒーレンスを正確に同定できることを理論的に示す。 $|S_mathcal B|$は一貫してサンプリングジオメトリをランク付けし、トレーニングなしで下流での再構築/認識の困難を予測します。
  論文  参考訳（メタデータ） (2025-12-22T10:03:51Z)
• Measurement Score-Based MRI Reconstruction with Automatic Coil Sensitivity Estimation [10.013774165445385]
  拡散型逆問題解法 (DIS) は近年, 圧縮センシング並列MRI再構成において優れた性能を示した。 それらは通常、事前に校正されたコイル感度マップ(CSM)と地上の真理画像に依存しており、しばしば実用的ではない。 本稿では,測定スコアの自動推定と自己教師付き学習を共同で行うことにより,これらの依存関係を解消する手法を提案する。
  論文  参考訳（メタデータ） (2025-09-22T20:33:41Z)
• Noise-resilient Edge Modes on a Chain of Superconducting Qubits [103.93329374521808]
  量子系の遺伝対称性は、それ以外は脆弱な状態を保護することができる。 非局所マヨラナエッジモード(MEM)を$mathbbZ$パリティ対称性で表す一次元キックドイジングモデルを実装した。 MEMは、予熱機構により特定の対称性を破るノイズに対して弾力性があることが判明した。
  論文  参考訳（メタデータ） (2022-04-24T22:34:15Z)
• Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
  臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。 近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。 本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
  論文  参考訳（メタデータ） (2021-08-12T08:46:35Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)

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。