論文の概要: Diffusion-Encoding Gaussian Field for Joint k-q dMRI Reconstruction
- arxiv url: http://arxiv.org/abs/2609.02288v1
- Date: Wed, 02 Sep 2026 08:39:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.180791
- Title: Diffusion-Encoding Gaussian Field for Joint k-q dMRI Reconstruction
- Title（参考訳）: 混合k-q dMRI再構成のための拡散符号化ガウス場
- Abstract要約: 拡散MRIは、複数の拡散符号化方向上で繰り返しk空間の取得を必要とする。
自己教師付き関節 k-q dMRI 再構成のための主観的空間角ガウス場を提案する。
- 参考スコア（独自算出の注目度）: 20.767580677137158
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion MRI requires repeated k-space acquisitions over multiple diffusion-encoding directions, making acquisition time dependent on both spatial and angular sampling. Existing joint k-q methods either associate directional parameters with fixed voxels or separate spatial reconstruction from angular completion. However, diffusion-weighted images acquired under different directions share the same anatomical organization, while their local signal intensities vary with diffusion encoding. Existing formulations do not fully exploit the complementarity between shared anatomy and direction-dependent signal variation. Consequently, residual spatial errors may be misinterpreted as genuine angular variation and propagated to unobserved directions. We propose a subject-specific spatial-angular Gaussian field for self-supervised joint k-q dMRI reconstruction. Shared 3D Gaussian primitives provide local spatial support, with each primitive carrying a continuous q-conditioned tensor-residual response. The signal at each location is synthesized from multiple overlapping primitive responses, coupling neighboring spatial regions and diffusion directions. The field is progressively optimized from undersampled k-space measurements of observed directions, without fully sampled targets or held-out-direction supervision. Experiments on three HCP diffusion shells under multiple acceleration settings demonstrated consistent improvements in missing-direction DWI reconstruction, tensor-derived metrics, and principal diffusion orientation estimation.
- Abstract（参考訳）: 拡散MRIでは、複数の拡散符号化方向上で繰り返しk空間の取得が必要であり、取得時間は空間サンプリングと角サンプリングの両方に依存する。
既存の共同k-q法は、方向パラメータと固定ボクセルを関連付けるか、あるいは角の完備化から空間再構成を分離する。
しかし、異なる方向で取得された拡散強調画像は同じ解剖組織を共有し、その局所的な信号強度は拡散符号化と異なる。
既存の定式化は、共有解剖学と方向依存信号の相補性を完全に活用していない。
その結果、残留する空間誤差は真の角変化と誤解され、観測されていない方向へ伝播する。
自己教師付き関節 k-q dMRI 再構成のための主観的空間角ガウス場を提案する。
共有された3次元ガウス原始体は局所的な空間的支持を提供し、各原始体は連続的なq条件テンソル-残留応答を持つ。
各位置の信号は、複数の重複原始応答、隣接する空間領域と拡散方向を結合して合成される。
フィールドは、完全にサンプリングされた目標や方向監視を伴わずに、観測方向のアンダーサンプリングされたk空間測定から徐々に最適化されている。
複数の加速条件下での3つのHCP拡散殻実験により, DWI再構成の欠如, テンソル導出測定値, 主拡散方向推定値が一貫した改善を示した。
関連論文リスト
- K-space Gaussian Representation for Parallel MRI [17.6035099220156]
K-空間ガウス表現(KGR)は、ネイティブなk-空間領域で直接形式化された最初の明示的連続表現である。
KGRは、Gabor-Gaussianプリミティブを共有空間幾何学でパラメータ化し、コイル間の相関を自然に保存するコンパクトな表現を生成する。
これらの結果は、ネイティブk空間の明示的な連続パラメータ化が、構造的低ランク再構成と連続信号モデリングを統合するための原則的枠組みを提供することを示唆している。
論文 参考訳（メタデータ） (2026-07-29T13:12:59Z) - Disentangling Continuous-Time Latent Dynamics: Identifiability of Latent SDEs via Diffusion Shifts [60.95873409673775]
連続時間潜在微分方程式モデルにおける識別可能性はほとんど開のままである。
未知の非線形微分同相を通じて観測される付加ノイズ潜在SDEについて検討した。
本稿では,2段階の遅延不整合とグラフ復元のための推定器を提案する。
論文 参考訳（メタデータ） (2026-06-26T16:18:28Z) - 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) - Latent Diffusion Posterior Sampling with Surrogate Likelihood Guidance for PDE Inverse Problems [48.15157016272698]
潜在空間拡散後サンプリング(L-DPS)は偏微分方程式(PDE)によって支配される高次元逆問題に対する近似ベイズ的枠組みである
L-DPSは、正確で堅牢な逆解を生成し、フルスペースDPSに対する推論コストを低減し、スパースおよびノイズレシエーションにおいて、償却された逆ベースラインより優れる。
論文 参考訳（メタデータ） (2026-06-25T04:33:44Z) - ARGUS: Adaptive Rotation-Invariant Geometric Unsupervised System [0.0]
本稿では,データ多様体の固定空間分割上での局所統計追跡としてドリフト検出を再現するフレームワークであるArgusを紹介する。
正準正則フレーム上のボロノイテッセルレーションは変換に不変なドリフト計量をもたらす。
孤立摂動からコヒーレントな分布シフトを区別するドリフト伝播のグラフ理論的特徴付けを開発した。
論文 参考訳（メタデータ） (2026-01-03T22:39:20Z) - Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。
拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。
LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
論文 参考訳（メタデータ） (2025-11-11T08:40:28Z) - Intraoperative 2D/3D Registration via Spherical Similarity Learning and Inference-Time Differentiable Levenberg-Marquardt Optimization [17.28038933121844]
術中の2D/3D登録は術前の3Dボリュームとリアルタイムの2Dラジオグラフィーを一致させ、機器やインプラントの正確な位置決めを可能にする。
既存のユークリッド近似は、多様体の構造を歪め、収束を遅くする。
非ユークリッド球面特徴空間における類似性学習について検討し、複素多様体構造をよりよく捕捉し適合させる。
論文 参考訳（メタデータ） (2025-09-08T17:10:43Z) - EquiReg: Equivariance Regularized Diffusion for Inverse Problems [67.01847869495558]
拡散に基づく逆問題解法における後方サンプリングを正規化するためのフレームワークであるEquiReg拡散法を提案する。
様々な解法に適用すると、EquiRegは線形および非線形画像復元タスクにおいて最先端の拡散モデルより優れる。
論文 参考訳（メタデータ） (2025-05-29T01:25:43Z) - $E(3) \times SO(3)$-Equivariant Networks for Spherical Deconvolution in
Diffusion MRI [4.726777092009554]
本稿では,各ボクセルが球面信号を含むボリュームのスパースデコンボリューションの枠組みを提案する。
この研究は、空間回転、反射、翻訳の対称性に関する同変深層を構成する。
論文 参考訳（メタデータ） (2023-04-12T18:37:32Z) - Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse
Problems [64.29491112653905]
本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。
具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。
提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
論文 参考訳（メタデータ） (2023-03-10T07:42:49Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳（メタデータ） (2022-07-06T21:40:59Z)
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。