論文の概要: Anatomically Faithful Artifact Suppression in SENSE Accelerated Brain MRI

• arxiv url: http://arxiv.org/abs/2609.22390v1
• Date: Fri, 18 Sep 2026 06:26:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.365459
• Title: Anatomically Faithful Artifact Suppression in SENSE Accelerated Brain MRI
• Title（参考訳）: SENSE Accelerated Brain MRIにおける解剖学的に忠実なアーチファクト抑制
• Abstract要約: そこで我々は,高速な再構築を実現するために,ART-Net(Anatomy-aware Residual Attention Network)を開発した。 ART-Netは高い競争力を持つ再構成性能を示し、最高信号対雑音比を達成した。 また, 萎縮性評価に関連する側頭葉構造に対するDice係数を数値的に高め, 解剖学的忠実度も向上した。
• 参考スコア（独自算出の注目度）: 5.67981264659284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Four-fold accelerated sensitivity encoding (SENSE4) can shorten brain MRI acquisition time but may amplify noise and result in residual aliasing artifacts after conventional reconstruction. Purpose: To evaluate whether an image-domain refinement framework can improve the quality of SENSE4 brain MRI while preserving anatomical information for quantitative measurements. Methods: In this prospective paired study, 80 participants underwent fully sampled and four-fold accelerated SENSE T1-weighted MRI. We developed an Anatomy-aware Residual Attention Network (ART-Net) to refine accelerated reconstructions through generalized self-attention and correlation-based residual artifact regularization. Participant-level splitting yielded training, validation, and independent test cohort (45/5/30 participants). The independent test cohort underwent quantitative, segmentation-based, and blinded radiologist assessments of image quality and anatomical preservation. Results: ART-Net demonstrated highly competitive reconstruction performance, achieving the highest peak signal-to-noise ratio (31.03 +/- 2.88 dB) and structural similarity index (0.963 +/- 0.022) among evaluated methods. It also demonstrated improved anatomical fidelity, with numerically highest Dice coefficients for medial temporal structures relevant to atrophy assessment (0.8824 +/- 0.0827) and whole-brain regions (0.8857 +/- 0.0885). Moreover, ART-Net improved gradient fidelity, regional contrast preservation, and radiologist-rated structural quality. Conclusion: ART-Net improved agreement between SENSE4 and fully sampled T1-weighted images in a single-center, held-out test cohort while maintaining segmentation-derived anatomical measurements. These findings suggest that ART-Net may support accelerated brain MRI by improving image fidelity and enabling reliable downstream anatomical analysis.
• Abstract（参考訳）: 背景: 4倍加速感度符号化(SENSE4)は、脳MRIの取得時間を短縮するが、ノイズを増幅し、従来の再建後の残存アーティファクトを除去する可能性がある。 目的:定量的な測定のために解剖情報を保存しつつ、画像領域改善フレームワークがSENSE4脳MRIの品質を向上させることができるかどうかを評価する。 方法】SENSE T1強調MRIでは,80名の被験者が全検体と4倍の加速SENSE T1強調MRIを施行した。 汎用自己アテンションと相関に基づく残留アーティファクト正規化により, 高速化された再構築を改良する, ART-Net(Anatomy-aware Residual Attention Network)を開発した。 参加者レベルの分割はトレーニング,検証,独立したテストコホート(45/5/30)が得られた。 独立した検査コホートでは, 画像品質と解剖学的保存の定量的, セグメンテーションベース, 盲検放射線検査を行った。 その結果,ART-Netは高い競合性を示し,最大信号-雑音比(31.03+/-2.88dB)と構造類似度指数(0.963+/-0.022)を達成した。 また, 萎縮性評価(0.8824+/-0.0827)および全脳領域(0.8857+/-0.0885)に関連する側頭葉構造に対して, 数値的に高いDice係数が得られた。 さらに、ART-Netは勾配の忠実度、地域コントラスト保存、ラジオロジストによる構造品質を改善した。 結論:ART-NetはSENSE4と完全なT1強調画像との合意を改善した。 これらの結果から,ART-Netは画像の忠実度を改善し,より信頼性の高い下流解剖学的解析を可能にすることにより,脳MRIの高速化を支援する可能性が示唆された。

関連論文リスト

• Benchmarking MRI Representations for Deep Learning-Based Focal Cortical Dysplasia Segmentation [0.879504058268139]
  焦点性皮質異形成症(FCD)は薬剤抵抗性局所てんかんの原因の1つである。 深層学習に基づくFCDセグメンテーションへの異なるMRI表現の寄与は、いまだに理解されていない。 本稿では, nnU-Net フレームワークを用いた自動FCDセグメンテーションのためのMRI 表現のベンチマークを提案する。
  論文  参考訳（メタデータ） (2026-07-17T03:56:59Z)
• A Vision-language Framework for Comparative Reasoning in Radiology [68.52471827773482]
  我々は,放射線学的比較を実体認識のクロスイメージ推論問題として定式化する。 我々は,日常的な画像とレポートのペアから得られた大規模比較画像資源を構築した。 臨床類似症例の検索を制御可能なエンティティ対応ビジュアルエンコーダであるMedReCoを開発した。
  論文  参考訳（メタデータ） (2026-06-04T17:12:47Z)
• Accelerating Cerebral Diagnostics with BrainFusion: A Comprehensive MRI Tumor Framework [0.41998444721319217]
  磁気共鳴画像(MRI)を用いた脳腫瘍解析の進歩であるBrainFusionについて検討した。 我々は,VGG16,ResNet50,Xceptionを含む腫瘍分類のための細調整畳み込みニューラルネットワーク(CNN)を,境界ボックスによる正確な腫瘍局在のためのYOLOv8と組み合わせた。 実験の結果, 微調整されたVGG16モデルでは99.86%の精度が達成され, 従来のベンチマークをはるかに上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-09-29T00:53:17Z)
• Evaluation of Machine Learning Reconstruction Techniques for Accelerated Brain MRI Scans [0.0]
  DeepFoqus-Accelerateは、75%のスキャン時間で堅牢な4倍の脳MRI加速を可能にする。 以上の結果から,DeepFoqus-Accelerateは,75%のスキャン時間で頑健な4倍の脳MRI加速を可能にした。
  論文  参考訳（メタデータ） (2025-09-08T20:20:24Z)
• From Promise to Practical Reality: Transforming Diffusion MRI Analysis with Fast Deep Learning Enhancement [35.368152968098194]
  FastFOD-Netは、FODを優れたパフォーマンスで強化し、臨床使用のためのトレーニング/推論効率を提供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である。 この研究は、拡散MRIの強化のための深層学習に基づく手法を、より広く採用し、臨床信頼を構築することを促進する。
  論文  参考訳（メタデータ） (2025-08-13T17:56:29Z)
• Fusion-Based Brain Tumor Classification Using Deep Learning and Explainable AI, and Rule-Based Reasoning [0.0]
  本研究では,MobileNetV2とDenseNet121畳み込みニューラルネットワーク(CNN)を組み合わせたアンサンブルに基づくディープラーニングフレームワークを提案する。 モデルは、階層化された5倍のクロスバリデーションプロトコルを使用して、Figshareデータセット上でトレーニングされ、評価された。 このアンサンブルは個々のCNNよりも優れた性能を示し、精度は91.7%、精度は91.9%、リコールは91.7%、F1スコアは91.6%だった。
  論文  参考訳（メタデータ） (2025-08-09T08:46:36Z)
• Latent Diffusion Autoencoders: Toward Efficient and Meaningful Unsupervised Representation Learning in Medical Imaging [41.446379453352534]
  LDAE(Latent Diffusion Autoencoder)は、医用画像における効率的で有意義な教師なし学習のための、エンコーダ-デコーダ拡散に基づく新しいフレームワークである。 本研究は,ADNIデータベースの脳MRIを用いたアルツハイマー病(AD)を事例として検討した。
  論文  参考訳（メタデータ） (2025-04-11T15:37:46Z)
• Deep Learning-based Intraoperative MRI Reconstruction [0.0]
  深層学習(DL)モデルは,iMRIプロトコルのデータを模倣するために,高速MRIニューロデータセットを用いて訓練された。 従来の圧縮感 (CS) 法と訓練されたDL再構成法との比較検討を行った。 読影者1,2,3症例のうち,33/40例,39/40例,8例のCS再建に対して,DL再建は好意的あるいは好意的であった。
  論文  参考訳（メタデータ） (2024-01-23T13:57:50Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。