論文の概要: Piecewise Dynamic Diffusion Regularization for Reconstruction of Cardiac Cine MRI

• arxiv url: http://arxiv.org/abs/2607.03299v1
• Date: Fri, 03 Jul 2026 13:09:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.571993
• Title: Piecewise Dynamic Diffusion Regularization for Reconstruction of Cardiac Cine MRI
• Title（参考訳）: 心内膜MRIの再建に対する経時的動的拡散規則化法の検討
• Abstract要約: リアルタイム心血管MRIは、呼吸中の心臓の鼓動を可視化するが、深呼吸と運動の困難が伴う。 本稿では, 事前に変動的再構成フレームワークに組み込まれた再構成手法であるPiecewise Dynamic Regularization (PDDR)を提案する。 振り返りで加速され、予測されるリアルタイムMRIの実験では、PDDRは古典的な教師なし、拡散に基づく手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 18.223325969857907
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time cardiac cine MRI enables visualization of the beating heart during free breathing, but severe undersampling and motion make reconstruction highly challenging. A central challenge for reconstruction is incorporating powerful priors of cardiac anatomy while remaining computationally efficient. We propose Piecewise Dynamic Diffusion Regularization (PDDR), a reconstruction method that integrates a spatiotemporal diffusion model as a generative prior within a variational reconstruction framework for cine MRI. The model employs dedicated spatial layers to encode anatomical structure and temporal layers to capture cardiac motion learned from gated cine data. PDDR leverages the dynamic prior in a piecewise manner, enabling the efficient use of spatiotemporal diffusion models for processing of long real-time sequences. Experiments on retrospectively accelerated and prospective real-time cine MRI demonstrate that PDDR outperforms classical, unsupervised, and diffusion-based methods, delivering high-quality reconstructions with substantially reduced computation time compared to state-of-the-art baselines. These results highlight PDDR as a practical and scalable solution for free-breathing, real-time cardiac MRI. Code is available at https://github.com/MLI-lab/pddr.
• Abstract（参考訳）: リアルタイム心血管MRIは、自由呼吸中の心臓の鼓動を可視化するが、重度のアンダーサンプリングと運動は、再建を非常に困難にしている。 再建における中心的な課題は、計算効率を保ちながら、心臓解剖学の強力な先行を取り入れることである。 本研究では, 時空間拡散モデルと時間空間拡散モデルを統合した再構成手法であるPiecewise Dynamic Diffusion Regularization (PDDR)を提案する。 モデルでは、専用の空間層を用いて解剖学的構造と時間層を符号化し、ゲートシネデータから学習した心臓の動きを捉える。 PDDRは、動的事前を断片的に利用し、長いリアルタイムシーケンスの処理に時空間拡散モデルの効率的な利用を可能にする。 遡及的に加速され、予測されるリアルタイムシネMRIの実験では、PDDRは古典的、教師なし、拡散に基づく手法より優れており、最先端のベースラインに比べて計算時間を大幅に短縮した高品質な再構成を提供する。 これらの結果から,PDDRは自由呼吸,リアルタイム心臓MRIのための実用的でスケーラブルなソリューションであることがわかった。 コードはhttps://github.com/MLI-lab/pddr.comで入手できる。

関連論文リスト

• DD-INR: Dynamics-Driven Implicit Neural Representation for Accelerated Whole-Brain Functional MRI Reconstruction [0.9867739577559261]
  fMRIは脳内の神経血管活動(BOLD)の検出を増強する。 従来のMRI再構成法では, k-space の低い値で回復できない: Task-kedevo 信号は小さい。 本稿では,fMRIの高速化に適したフレームワークDD-INRを提案する。
  論文  参考訳（メタデータ） (2026-06-09T12:09:34Z)
• 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)
• B-FIRE: Binning-Free Diffusion Implicit Neural Representation for Hyper-Accelerated Motion-Resolved MRI [37.43809864791578]
  既存の4DMRIは平均呼吸位相の許容可能なアーティファクトを生成し、ダイナミックな情報をぼかし、誤表現することができる。 超加速MR再構成のためのビンニングフリー拡散暗黙的ニューラル表現フレームワークであるB-FIREを提案する。
  論文  参考訳（メタデータ） (2026-01-07T03:23:22Z)
• FDP: A Frequency-Decomposition Preprocessing Pipeline for Unsupervised Anomaly Detection in Brain MRI [44.4791295950757]
  我々は脳MRIのための教師なし異常検出(UAD)アプローチを開発した。 病的シグネチャの最初の系統的周波数領域解析を行う。 周波数分割前処理(FDP)フレームワークは,周波数領域再構成を同時に行うことで,病態の抑制と解剖学的保存を同時に行うことができることを示す。
  論文  参考訳（メタデータ） (2025-11-17T02:40:14Z)
• X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [64.2059940799033]
  現在の方法では、時間分解能を呼吸ゲーティング装置で固定相に識別する。 新規なフレームワークであるX$2$-Gaussianは、動的放射スプラッティングと自己監督型呼吸運動学習を統合することで、連続的な4DCT再構成を可能にする。
  論文  参考訳（メタデータ） (2025-03-27T17:59:57Z)
• Subspace Implicit Neural Representations for Real-Time Cardiac Cine MR Imaging [9.373081514803303]
  本稿では,連続した放射状データを用いたリアルタイム心血管MRIのためのサブスペース暗黙的ニューラル表現に基づく再構成フレームワークを提案する。 本手法は,トレーニング中に連続サンプリングしたラジアルk空間スポークを直接利用することにより,バイナリ化や非一様FFTの必要性を解消する。
  論文  参考訳（メタデータ） (2024-12-17T10:06:37Z)
• Multi-dynamic deep image prior for cardiac MRI [5.705503725101561]
  Multi-Dynamic Deep Image Prior (M-DIP) は、リアルタイム心磁図の高速化のための新しい教師なし再構成フレームワークである。 M-DIPは、生理的動きとフレーム間コンテンツの変化を同時に捉え、幅広い動的応用に適用できる。
  論文  参考訳（メタデータ） (2024-12-05T22:15:18Z)
• Fully Unsupervised Dynamic MRI Reconstruction via Diffeo-Temporal Equivariance [2.260147251787331]
  教師付き学習法は周期性を前提として欠陥があり、真の動きの撮像を禁止している。 我々は,アンサンプド計測のみから動的MRIシーケンスを再構築するための教師なしフレームワークを提案する。 我々の手法は基盤となるニューラルネットワークアーキテクチャに非依存であり、最新のパラダイムや後処理アプローチに適応するために使用することができる。
  論文  参考訳（メタデータ） (2024-10-11T09:16:30Z)
• 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)
• Unsupervised reconstruction of accelerated cardiac cine MRI using Neural Fields [3.684766600912547]
  心臓血管MRI(NF-cMRI)における暗黙的神経野表現に基づく教師なしアプローチを提案する。 提案手法は,26xおよび52xのアンダーサンプリング因子に対するゴールデンアングル・ラジアルマルチコイルのアンダーサンプリングにおいて評価された。
  論文  参考訳（メタデータ） (2023-07-24T23:31:36Z)
• 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)

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。