論文の概要: Attention-guided super-resolution of 4D flow MRI in carotid arteries

• arxiv url: http://arxiv.org/abs/2609.04891v1
• Date: Fri, 04 Sep 2026 08:48:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.98213
• Title: Attention-guided super-resolution of 4D flow MRI in carotid arteries
• Title（参考訳）: 頸動脈における4次元血流MRIの注意誘導超解像
• Abstract要約: 本研究では,4次元フローMRIデータジオメトリの品質向上のために,マルチスケールの特徴抽出とアテンション機構を統合したディープラーニングベースのフレームワークを提案する。 提案アーキテクチャは、畳み込みブロックアテンションモジュール(CBAM)を用いて、ネットワークを臨床的に関連する空間的特徴へ誘導し、低分解能入力におけるノイズを抑制する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Four-dimensional (4D) flow magnetic resonance imaging (MRI) is a powerful non-invasive technique for visualizing and quantifying complex blood flow patterns in vivo. Despite its clinical promise, broader adoption is limited by low spatial resolution and sensitivity to noise, which restrict accurate assessment of critical hemodynamic biomarkers such as wall shear stress, pressure gradients, and turbulent kinetic energy. To overcome these challenges, we propose a deep learning-based super-resolution framework that integrates multi-scale feature extraction and attention mechanisms to enhance the quality of 4D flow MRI data. The model was trained on a dataset of 120 patients with 240 stenosed carotid arteries. High-resolution ground truth data were generated using patient-specific computational fluid dynamics (CFD) simulations based on segmented vascular geometries and physiologically realistic boundary conditions, and the resulting velocity fields served as targets for supervised learning. The proposed architecture uses convolutional block attention modules (CBAM) to guide the network toward clinically relevant spatial features and to suppress noise in low-resolution inputs. Quantitative results show that the attention-guided model substantially reduces the root mean square error (RMSE) compared with a baseline model without attention, and qualitative velocity contour analysis confirms improved reconstruction of intricate flow patterns. These findings highlight the capacity of the model to restore high-fidelity flow fields under noisy conditions and support the use of deep learning to extend the clinical utility of 4D flow MRI for non-invasive hemodynamic assessment.
• Abstract（参考訳）: 4次元(4D)流磁気共鳴イメージング(MRI)は、生体内で複雑な血流パターンを可視化し定量化する強力な非侵襲的手法である。 臨床的な約束にもかかわらず、より広範な採用は低空間分解能とノイズに対する感受性によって制限され、壁せん断応力、圧力勾配、乱流運動エネルギーなどの重要な血行動態バイオマーカーの正確な評価が制限される。 これらの課題を克服するために,マルチスケールの特徴抽出とアテンション機構を統合し,4次元フローMRIデータの品質を向上させるディープラーニングに基づく超解像フレームワークを提案する。 このモデルは、240の狭窄頸動脈を有する120の患者のデータセットで訓練された。 患者固有の流体力学(CFD)シミュレーションと生理学的に現実的な境界条件に基づく高分解能基底真理データを作成し,得られた速度場を教師付き学習のターゲットとした。 提案アーキテクチャは、畳み込みブロックアテンションモジュール(CBAM)を用いて、ネットワークを臨床的に関連する空間的特徴へ誘導し、低分解能入力におけるノイズを抑制する。 その結果,注意誘導モデルでは注意のないベースラインモデルと比較して根平均二乗誤差(RMSE)が著しく低減され,定性的速度輪郭解析により複雑な流れパターンの再構築が確認された。 これらの結果から,非侵襲的血行動態評価のための4DフローMRIの臨床的有用性を高めるため,ノイズ条件下での高忠実度流れ場復元と深層学習の活用を支援するモデルの有効性が示唆された。

関連論文リスト

• Distributional Deep Learning for Super-Resolution of 4D Flow MRI under Domain Shift [7.497091354189351]
  4次元フローMRI(4DF)の高分解能化のための分布型ディープラーニングフレームワークを開発した。 これは、血行動態速度と血管壁応力などの臨床的に関連する指標をキャプチャする新しい画像モダリティである。 分布推定器の理論的特性を導出し,我々のフレームワークが実データアプリケーションを通して従来のディープラーニングアプローチを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-02-16T20:11:42Z)
• Graph Deep Learning for Intracranial Aneurysm Blood Flow Simulation and Risk Assessment [2.759923839023361]
  頭蓋内動脈瘤は、世界中の神経疾患と死亡の主な原因である。 従来の計算流体力学シミュレーションは正確な洞察を提供するが、極めて遅く、専門的な専門知識を必要とする。 本稿では,このギャップを埋めるグラフニューラルネットワークサロゲートモデルを提案する。
  論文  参考訳（メタデータ） (2025-12-09T18:31:35Z)
• Dynamic Reconstruction of Ultrasound-Derived Flow Fields With Physics-Informed Neural Fields [0.0]
  スパースおよびノイズ超音波データから血流を推定するための物理インフォームドニューラルネットワークモデルを提案する。 このモデルは、合成データセットと実データセットの両方を着色および着色する際に、平均2乗誤差を一貫して低くする。 我々は,超音波による血流再構成の具体的な課題に対処するために,他の画像モダリティに有効であることが証明された手法を適用した。
  論文  参考訳（メタデータ） (2025-11-03T18:05:11Z)
• Extreme Cardiac MRI Analysis under Respiratory Motion: Results of the CMRxMotion Challenge [56.28872161153236]
  ディープラーニングモデルは、自動心臓磁気共鳴(CMR)解析において最先端の性能を達成した。 これらのモデルの有効性は、高品質でアーティファクトフリーな画像の可用性に大きく依存している。 この領域の研究を促進するために,MICCAI CMRxMotion チャレンジを組織した。
  論文  参考訳（メタデータ） (2025-07-25T11:12:21Z)
• A Computational Pipeline for Advanced Analysis of 4D Flow MRI in the Left Atrium [0.09369849182888854]
  左房は左室充填の調節において重要な役割を担っている。 4D Flow MRIは心房血行動態の理解を深める可能性を秘めている。 LAにおける4次元フローMRI解析に適したオープンソースの計算フレームワークについて紹介する。
  論文  参考訳（メタデータ） (2025-05-14T19:09:17Z)
• 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)
• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
  本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。 MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。 最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
  論文  参考訳（メタデータ） (2022-04-01T22:48:08Z)
• Non-invasive hemodynamic analysis for aortic regurgitation using computational fluid dynamics and deep learning [2.150638298922378]
  心臓血管血行動態の変化は大動脈逆流(AR)の発生と密接に関連している 4次元(4次元)流磁気共鳴画像(MRI)を用いて非侵襲的に測定できる。 しかし、解像度の低さは、しばしば4次元フローMRIと複雑なAR血行動態の限界によって生じる。 これを解決するために、計算流体力学シミュレーションを合成された4次元フローMRIデータに変換し、様々なニューラルネットワークのトレーニングに使用した。
  論文  参考訳（メタデータ） (2021-11-23T05:19:42Z)
• ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
  SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。 ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
  論文  参考訳（メタデータ） (2021-02-25T14:52:23Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。