論文の概要: Tissue-Mixture Entropy-Weighted Reconstruction for Partial-Volume-Aware Brain MRI Super-Resolution

• arxiv url: http://arxiv.org/abs/2608.26647v1
• Date: Thu, 27 Aug 2026 05:58:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.252612
• Title: Tissue-Mixture Entropy-Weighted Reconstruction for Partial-Volume-Aware Brain MRI Super-Resolution
• Title（参考訳）: 部分体積脳MRI超解像に対する組織ミクチャーエントロピー強調再建術
• Abstract要約: 部分体積効果(PVE)による脳MRI超解像における全像の組織移行領域への影響 PVE-Balanced Reconstruction (AGW-PBR) を提案する。 AGW-PBRは、テストされたIXIスケールと地域の忠実度を4倍に改善し、PVEフリーのバックボーンは高速MRIで高い性能を維持している。
• 参考スコア（独自算出の注目度）: 9.058132701129653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Full-image objectives in brain magnetic resonance imaging (MRI) super-resolution (SR) can underweight tissue-transition regions affected by the partial-volume effect (PVE), as these regions occupy only a small fraction of the image. Binary boundaries also do not capture the continuous mixture of cerebrospinal fluid, gray matter, and white matter within a voxel. We propose Anatomy-Guided Gaussian-Parameter Warping with PVE-Balanced Reconstruction (AGW-PBR), which combines a low-resolution (LR)-only reconstruction backbone with a training-time objective that emphasizes tissue transitions. The backbone integrates LR-derived Sobel guidance, soft latent-basis assignment, and bounded grid-anchored residual warping. Fixed, quality-controlled tissue fractions derived from registered T1/T2/PD IXI images are converted into tissue-mixture entropy, which defines mean-normalized reconstruction weights within validated PVE support. These sidecars are used only during training, and inference requires only the LR image. AGW-PBR is evaluated on T2-weighted IXI images at 2x, 4x, and 6x using three seeds and subject-level paired analyses. At 4x, test-only SynthSeg masks independently assess reconstruction in tissue-interface and non-interface regions. Targeted ablations examine valid-support supervision, spatially aligned entropy weighting, and soft latent assignment. The AGW-backbone is also trained from scratch on fastMRI at 4x without PVE supervision. AGW-PBR improves full-image reconstruction across the tested IXI scales and regional fidelity at 4x, while the PVE-free backbone retains strong performance on fastMRI. These findings support tissue-mixture entropy weighting for partial-volume-aware brain MRI SR.
• Abstract（参考訳）: 脳磁気共鳴イメージング(MRI)超解像(SR)の完全な目的は、部分体積効果(PVE)の影響を受け、これらの領域は画像のごく一部を占めるだけである。 二項境界はまた、ボクセル内の髄液、灰白物質、白色物質の連続的な混合物を捕捉しない。 PVE-Balanced Reconstruction (AGW-PBR) を用いた解剖学的ガイド下ガウス・パラメータ・ウォーピング法を提案する。 バックボーンは、LR由来のソベル誘導、ソフト潜在ベイズ割り当て、および有界グリッドアンカレッド残留ワープを統合している。 登録されたT1/T2/PD IXI画像から得られた品質制御された組織分画を組織混合エントロピーに変換する。 これらのサイドカーは訓練時にのみ使用され、推論はLR画像のみを必要とする。 AGW-PBRを2x,4x,6xのT2強調IXI画像上で3種の種子と対象レベルのペア分析を用いて評価した。 4倍では、テスト専用のSynthSegマスクは、組織界面および非界面領域の再構成を独立に評価する。 対象は、有効支援監督、空間的に整列したエントロピー重み付け、軟弱な潜在課題である。 AGWバックボーンは、PVEの監督なしに4倍の高速MRIでスクラッチから訓練されている。 AGW-PBRは、テストされたIXIスケールと地域の忠実度を4倍に改善し、PVEフリーのバックボーンは高速MRIで高い性能を維持している。 これらの所見は, 部分容積脳MRIにおける組織-混合エントロピー重み付けを支持した。

関連論文リスト

• Self-Auditing Residual Drifting for Pathology-Preserving Accelerated Knee MRI [5.844079330191764]
  SA-RDM-DCは、加速膝MRIのためのデータ一貫性を持つ自己監査残差生成ドリフトモデルである。 画像とk空間の残差補正を予測し、取得したk空間とのデータの整合性を強制し、周波数認識と残留ドリフト監視を使用して詳細を復元する。 密度の高いエラーマップとスライスレベルのリスクスコアを同一の推論パスで生成する。
  論文  参考訳（メタデータ） (2026-07-02T16:59:03Z)
• Variational Network with Wavelet-based UNET in Accelerated MRI Reconstruction from Under Sampled K-space Data [1.503974529275767]
  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。
  論文  参考訳（メタデータ） (2026-06-13T07:34:28Z)
• MPFlow: Multi-modal Posterior-Guided Flow Matching for Zero-Shot MRI Reconstruction [8.702496582146042]
  MPFlowは、修正フロー上に構築されたゼロショットマルチモーダル再構築フレームワークである。 解剖学的忠実度を改善するために、生成性を再訓練することなく、推論時に補助的なMRIモダリティを組み込む。
  論文  参考訳（メタデータ） (2026-03-04T04:25:32Z)
• ReBrain: Brain MRI Reconstruction from Sparse CT Slice via Retrieval-Augmented Diffusion [17.281214782353658]
  低用量プロトコルは、しばしば低解像度の平面解像度のCTボリュームをもたらす。 脳MRI再建のための検索拡張拡散フレームワークであるReBrainを提案する。 SynthRAD2023とBraTSの実験により、ReBrainはスパース条件下でのクロスモーダル再構築において最先端の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-11-21T09:18:35Z)
• 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)
• Segmenting Bi-Atrial Structures Using ResNext Based Framework [3.0838948803252904]
  左心房(LA)と右心房(RA)の完全自動セグメンテーションのための新しい2段階ディープラーニングフレームワークTASSNetを提案する。 TASSNetは、(i)限られた医療データセットからの特徴抽出を強化するResNeXtベースのエンコーダ、(ii)高度に不均衡な小さな3Dセグメンテーションタスクにおける収束不安定に対処するための循環学習率スケジュールの2つの主要なイノベーションを紹介している。
  論文  参考訳（メタデータ） (2025-02-28T10:23:12Z)
• DPER: Diffusion Prior Driven Neural Representation for Limited Angle and Sparse View CT Reconstruction [45.00528216648563]
  Diffusion Prior Driven Neural Representation (DPER) は、異常に不適切なCT再構成逆問題に対処するために設計された、教師なしのフレームワークである。 DPERは、半二次分割法(HQS)アルゴリズムを採用し、逆問題からデータ忠実度とサブプロブレム前の分布に分解する。 LACTにおけるDPERの性能評価と2つの公開データセットを用いた超SVCT再構成に関する総合的な実験を行った。
  論文  参考訳（メタデータ） (2024-04-27T12:55:13Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• 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)
• Cine cardiac MRI reconstruction using a convolutional recurrent network with refinement [9.173298795526152]
  心臓MRI再建における時間的相関を利用した畳み込みリカレントニューラルネットワーク(CRNN)アーキテクチャについて検討した。 これは、単一画像の超解像度リファインメントモジュールと組み合わせて、単一コイルの再構築を4.4%、正規化平均二乗誤差3.9%改善する。 提案モデルでは, ベースライン症例と比較して有意に拡張され, 心臓MRI再建のさらなる改善に有望な可能性を秘めている。
  論文  参考訳（メタデータ） (2023-09-23T14:07:04Z)
• Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction [54.19448988321891]
  本稿では,T1重み付き画像(T1WIs)を補助モダリティとして活用し,T2WIsの取得を高速化するエンド・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。 最適輸送(OT)を用いてT1WIを整列させてT2WIを合成し、クロスモーダル合成を行う。 再構成されたT2WIと合成されたT2WIがT2画像多様体に近づき、繰り返しが増加することを示す。
  論文  参考訳（メタデータ） (2023-05-04T12:20:51Z)
• Dual-Domain Self-Supervised Learning for Accelerated Non-Cartesian MRI Reconstruction [14.754843942604472]
  非カルテシアンMRIの再生を高速化するための完全自己教師型アプローチを提案する。 トレーニングでは、アンダーサンプリングされたデータは、非結合のk空間ドメイン分割に分割される。 画像レベルの自己スーパービジョンでは、元のアンサンプデータから得られる外観整合性を強制する。
  論文  参考訳（メタデータ） (2023-02-18T06:11:49Z)
• Model-Guided Multi-Contrast Deep Unfolding Network for MRI Super-resolution Reconstruction [68.80715727288514]
  MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。 本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
  論文  参考訳（メタデータ） (2022-09-15T03:58:30Z)
• 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)
• 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)

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。