論文の概要: MIGA:Shared-Geometry Gaussian Representation with Implicit Amplitude Modeling for Accelerated 3D Multi-Echo MRI

• arxiv url: http://arxiv.org/abs/2609.24468v1
• Date: Mon, 21 Sep 2026 12:10:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.275861
• Title: MIGA:Shared-Geometry Gaussian Representation with Implicit Amplitude Modeling for Accelerated 3D Multi-Echo MRI
• Title（参考訳）: MIGA-Shared-Geometry Gaussian Representation with Implicit Amplitude Modeling for Accelerated Multi-Echo MRI
• Abstract要約: アンサンプされたマルチエコデータの再構成には、エコー依存信号のばらつきを保ちながら共有解剖学を活用する必要がある。 共有異方性ガウス幾何、座標条件付き多出力振幅ネットワーク、明示的なエコー固有位相変数からなる走査特異的フレームワークMIGAを提案する。
• 参考スコア（独自算出の注目度）: 11.244576471440753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Three-dimensional multi-echo MRI provides rich anatomical and quantitative information, but repeated volumetric encoding prolongs acquisition and motivates k-space undersampling. Reconstructing undersampled multi-echo data requires exploiting shared anatomy while preserving echo-dependent signal variation; full-volume modeling also introduces substantial computational and memory demands. We propose MIGA, a scan-specific framework comprising shared anisotropic Gaussian geometry, a coordinate-conditioned multi-output amplitude network, and explicit echo-specific phase variables. The Gaussian geometry provides common spatial support across echoes, the implicit network models spatially structured amplitude variations, and the phase variables retain echo-specific complex signal information. All components are jointly optimized using only the acquired multi-coil k-space, requiring no fully sampled training data. Experiments showed that MIGA consistently outperformed the comparison methods across imaging tasks and acceleration factors, with larger improvements under stronger undersampling. MIGA also achieved a favorable quality-cost balance among the evaluated full-volume multi-echo methods. These results support the effectiveness of combining shared Gaussian geometry with implicit echo-dependent amplitude modeling for accelerated 3D multi-echo MRI reconstruction.
• Abstract（参考訳）: 3次元マルチエコーMRIは、解剖学的、定量的に豊富な情報を提供するが、反復的なボリュームエンコーディングは、k空間アンダーサンプリングを延長し、動機づける。 アンサンプされたマルチエコデータの再構成には、エコー依存信号の変動を保ちながら共有解剖学を活用する必要がある。 共有異方性ガウス幾何、座標条件付き多出力振幅ネットワーク、明示的なエコー固有位相変数からなる走査特異的フレームワークMIGAを提案する。 ガウス幾何学はエコー間の共通空間的支持を提供し、暗黙のネットワークモデルは空間的に構造化された振幅変化を示し、位相変数はエコー固有の複素信号情報を保持する。 すべてのコンポーネントは、取得したマルチコイルk-スペースのみを使用して共同最適化され、完全にサンプル化されたトレーニングデータを必要としない。 実験の結果、MIGAは画像のタスクやアクセラレーションファクターで比較手法を一貫して上回り、より強力なアンダーサンプリングでは改善が見られた。 MIGAは、評価された全巻マルチエコ手法の中で、良好な品質とコストのバランスも達成した。 これらの結果は、3次元マルチエコーMRI再構成における共有ガウス幾何と暗黙のエコー依存性振幅モデルとの併用の有効性を裏付けるものである。

関連論文リスト

• GaussianPile: A Unified Sparse Gaussian Splatting Framework for Slice-based Volumetric Reconstruction [12.711852675106124]
  スライスに基づく体積像が広く応用され、分析のために内部構造を積極的に保存する表現が要求される。 この課題に対処するために,GaussianPileを導入し,3Dガウススプラッティングを撮像システム対応フォーカスモデルと統合する。 実際には、NeRFベースのアプローチよりも最大11倍高速で、3分で高品質な結果をもたらし、ボクセルグリッド上で一貫した16倍の圧縮を実現している。
  論文  参考訳（メタデータ） (2026-03-21T03:10:27Z)
• VEMamba: Efficient Isotropic Reconstruction of Volume Electron Microscopy with Axial-Lateral Consistent Mamba [10.193877972715667]
  ボリューム電子顕微鏡(VEM)は3次元組織イメージングに不可欠である。 既存の等方的復元法は、しばしば豊富な軸方向情報を無視する。 等方的再構成のための効率的なフレームワークであるVEMambaを提案する。
  論文  参考訳（メタデータ） (2026-03-01T03:22:42Z)
• MuGS: Multi-Baseline Generalizable Gaussian Splatting Reconstruction [32.14335364083271]
  新規なビュー合成のためのフィードフォワードアプローチであるMulti-Baseline Gaussian Splatting (MuGS)を提案する。 MuGSは、小さなベースラインと大きなベースラインの両方でスパース入力ビューを含む、多様なベースライン設定を効果的に処理する。 LLFFおよびMip-NeRF 360データセットにおけるゼロショット性能を実証した。
  論文  参考訳（メタデータ） (2025-08-06T10:34:24Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• RGM: A Robust Generalizable Matching Model [49.60975442871967]
  RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。 合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。 さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
  論文  参考訳（メタデータ） (2023-10-18T07:30:08Z)
• $E(3) \times SO(3)$-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)
• Multimodal Exponentially Modified Gaussian Oscillators [4.233733499457509]
  本研究では,任意振動項を持つ3段階多モード指数修正ガウスモデルを提案する。 これにより、人工物に苦しむ合成超音波信号を完全に回収することができる。 得られた特徴の分類能力を示すために実データ実験を行った。
  論文  参考訳（メタデータ） (2022-09-25T11:48:09Z)

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。