論文の概要: MPISuperRes-PnP: A Super-Resolution Zero-Shot Plug-and-Play Reconstruction Algorithm for Magnetic Particle Imaging
- arxiv url: http://arxiv.org/abs/2608.09672v1
- Date: Mon, 10 Aug 2026 14:47:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.317933
- Title: MPISuperRes-PnP: A Super-Resolution Zero-Shot Plug-and-Play Reconstruction Algorithm for Magnetic Particle Imaging
- Title（参考訳）: MPISuperRes-PnP:磁気粒子イメージングのための超解像ゼロショットプラグアンドプレイ再構成アルゴリズム
- Abstract要約: エネルギー最小化にインスパイアされたMPIにおける超解像再構成手法を提案する。
トレーニングなしでのディープラーニングのメリットを導入し、トレーニングデータの必要性を回避します。
提案手法は,学習を伴わないディープラーニングデノイザを用いており,現在利用可能なMPIトレーニングデータを必要としない。
- 参考スコア（独自算出の注目度）: 0.254890465057467
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Magnetic Particle Imaging (MPI) is an emerging medical imaging modality. MPI is based on the non-linear response of magnetic nanoparticles to an applied magnetic field and avoids ionizing radiation. The measured signal is the voltage induced in receive coils by the particles' response. Reconstructing the particle concentration from the signal constitutes the imaging task. Even using state-of-the-art measurement-based reconstruction, the associated spatial grid is very coarse, hence super-resolution (SR) techniques are important. In this work, we propose an approach for SR in MPI inspired by energy minimization. Different methods have been proposed for SR in MPI, ranging from upscaling of the associated system matrix to interpolation of the reconstruction. Here we incorporate SR into the reconstruction task via an energy minimization formulation. Following the plug-and-play approach to energy minimization we derive a splitting scheme and a SR method for MPI where the arising Gaussian denoising task is treated with a pre-trained learned Gaussian denoiser in a zero-shot fashion. This way, we incorporate benefits of deep learning without training and avoid the need of training data. Further, we provide a quantitative and qualitative evaluation of the proposed method. Hyper-parameter are selected via an extended parameter search. The found parameters are applied for reconstruction on real data. We show the applicability of our method on synthetic and on real data (MPIData: EquilibriumModelWithAnisotropy and 2D-OpenMPI Data). The proposed method employs a deep-learning denoiser without training -- thus it does not require presently scarcely available MPI training data. The denoiser behaves conservatively, i.e., no hallucination artifacts were observed. The SR approach is generic such that it can be applied in future MPI contexts involving different regularizers or different imaging tasks.
- Abstract（参考訳）: 磁気粒子イメージング(MPI)は、医療画像の新たなモダリティである。
MPIは印加磁場に対する磁性ナノ粒子の非線形反応に基づいており、電離放射線を避ける。
測定信号は、粒子の応答によって受信コイルに誘導される電圧である。
信号から粒子濃度を再構成することは撮像作業を構成する。
最先端の計測に基づく再構成であっても、関連する空間格子は非常に粗いため、超解像(SR)技術が重要である。
本研究では,エネルギー最小化にインスパイアされたMPIにおけるSRのアプローチを提案する。
MPIにおけるSRには、関連するシステムマトリックスのアップスケーリングから再構築の補間まで、さまざまな方法が提案されている。
ここでは、エネルギー最小化の定式化により、SRを再構成タスクに組み込む。
エネルギー最小化に対するプラグ・アンド・プレイのアプローチに従うと、我々は分割スキームとMPIのSR法を導出し、ガウス分極タスクをゼロショット方式で学習したガウス分極器で処理する。
このようにして、トレーニングなしでのディープラーニングのメリットを取り入れて、トレーニングデータの必要性を回避します。
さらに,提案手法の定量的,定性的な評価を行う。
ハイパーパラメータは拡張パラメータサーチによって選択される。
得られたパラメータを実データに対する再構成に適用する。
提案手法が合成および実データ(MPIData: EquilibriumModelWithAnisotropyおよび2D-OpenMPI Data)に適用可能であることを示す。
提案手法は,学習を伴わないディープラーニングデノイザを用いており,現在利用可能なMPIトレーニングデータを必要としない。
デノイザーは保守的に振る舞うが、幻覚は観測されなかった。
SRアプローチは汎用的であり、異なる正規化器や異なる撮像タスクを含む将来のMPIコンテキストに適用することができる。
関連論文リスト
- Physics-Driven 3D Gaussian Rendering for Zero-Shot MRI Super-Resolution [13.552352258334908]
高分解能MRI(High- resolution Magnetic Resonance Imaging)は臨床診断に欠かせないが、長い取得時間と運動アーチファクトによって制限される。
超解像(SR)は低分解能スキャンを高分解能画像に再構成するが、既存の手法は相互に制約される。
データ要求と効率のバランスをとるために,明示的なガウス表現を用いたゼロショットMRI SRフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-10T13:00:42Z) - CryoSplat: Gaussian Splatting for Cryo-EM Homogeneous Reconstruction [48.45613121595709]
低温電子顕微鏡(cryo-EM)は、分子構造をほぼ原子の分解能で決定するのに役立つ。
単一粒子Cryo-EMにおける中心的な計算課題は、未知の方向で取得されたノイズの多い2Dプロジェクションから分子の3次元静電ポテンシャルを再構築することである。
本稿では,GMMをベースとしたCryoSplatを提案し,Gaussian splattingとCryo-EM画像形成の物理を統合する。
論文 参考訳（メタデータ） (2025-08-06T23:24:43Z) - Joint Denoising of Cryo-EM Projection Images using Polar Transformers [0.0]
完全なエンドツーエンド再構築アプローチでは、複数のイメージからの情報を統合するニューラルネットワークアーキテクチャが必要になる。
極性表現と変圧器を組み合わせた新しいニューラルネットワークアーキテクチャである極性変換器を紹介する。
シミュレーションデータセットでは、平均二乗誤差(MSE)を0.02ドルの信号対雑音比(SNR)で最大2ドル削減できる。
論文 参考訳（メタデータ） (2025-06-12T20:41:38Z) - Learned Discrepancy Reconstruction and Benchmark Dataset for Magnetic Particle Imaging [3.7898596546142818]
磁気粒子イメージング (MPI) は、超常磁性酸化鉄ナノ粒子の磁気応答に基づく新しい画像モダリティである。
MPI画像再構成作業における重要な課題は、その基礎となるノイズモデルから生じる。
本稿では,逆問題に対する新しい学習ベース再構成手法であるLearninged Discrepancy Approachを紹介する。
論文 参考訳（メタデータ） (2025-01-09T21:21:06Z) - 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) - Motion Artifact Removal in Pixel-Frequency Domain via Alternate Masks and Diffusion Model [58.694932010573346]
MRI(MRI)における運動アーチファクトは臨床診断に深刻な干渉を与える可能性がある。
ノイズの多いMRI画像の画素周波数情報を利用して、事前学習した拡散モデルを誘導し、クリーンなMRI画像の復元を行う新しい教師なし浄化法を提案する。
論文 参考訳（メタデータ） (2024-12-10T15:25:18Z) - 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) - An $\ell^1$-Plug-and-Play Approach for MPI Using a Zero Shot Denoiser with Evaluation on the 3D Open MPI Dataset [1.612440288407791]
本稿では,$ell1$-priorの汎用ゼロショットデノイザをベースとしたプラグアンドプレイ方式を提案する。
我々は,3次元オープンMPIデータセットにおけるゼロショットプラグアンドプレイ方式の定量的,定性的な評価を行う。
論文 参考訳（メタデータ） (2023-12-30T16:27:43Z) - A scan-specific unsupervised method for parallel MRI reconstruction via
implicit neural representation [9.388253054229155]
暗黙的神経表現(INR)は、物体の内部連続性を学ぶための新しいディープラーニングパラダイムとして登場した。
提案手法は,アーティファクトやノイズのエイリアスを抑えることにより,既存の手法よりも優れる。
良質な結果と走査特異性により,提案手法は並列MRIのデータ取得をさらに加速させる可能性を秘めている。
論文 参考訳（メタデータ） (2022-10-19T10:16:03Z) - 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) - 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。