論文の概要: SGAM: Shared Gaussian Geometry with Implicit Amplitude Modeling for Scan-Specific 3D Multi-Contrast MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2609.24468v2
• Date: Wed, 30 Sep 2026 03:21:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:25.334963
• Title: SGAM: Shared Gaussian Geometry with Implicit Amplitude Modeling for Scan-Specific 3D Multi-Contrast MRI Reconstruction
• Title（参考訳）: SGAM:Scan-Specific 3D Multi-Contrast MRI再構成のためのインシシット振幅モデリングを用いた共有ガウス幾何学
• Abstract要約: 3次元(3D)マルチコントラスト磁気共鳴イメージング(MCMRI)は、豊富な解剖学的、定量的な情報を提供するが、長い取得時間を必要とする。 SGAMは, メモリ効率が高く, スキャンに特有な3D MCMRI再構成用フレームワークである。
• 参考スコア（独自算出の注目度）: 17.58446224292563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Three-dimensional (3D) multi-contrast magnetic resonance imaging (MCMRI) provides rich anatomical and quantitative information but requires long acquisition times, motivating k-space undersampling. However, reconstruction of large volumetric datasets imposes substantial computational and memory demands. To address this challenge, we propose SGAM, a memory-efficient, scan-specific framework for joint full-volume 3D MCMRI reconstruction. SGAM is based on a shared-geometry Gaussian representation in which amplitudes are modeled by a multi-output implicit neural representation (INR) and contrast-specific phases by explicit variables. This design exploits common anatomical structure across contrasts while preserving contrast-specific signal variations. The representation is jointly optimized using only the acquired multi-coil k-space without external training data. Experiments showed that SGAM consistently outperformed the comparison methods across imaging tasks and acceleration factors, with greater improvements under stronger undersampling. SGAM also achieved a favorable balance between reconstruction quality and computational cost, demonstrating its effectiveness for 3D multi-contrast MRI reconstruction.
• Abstract（参考訳）: 3次元(3D)マルチコントラスト磁気共鳴イメージング(MCMRI)は、豊富な解剖学的および定量的情報を提供するが、長い取得時間を必要とし、k空間アンダーサンプリングを動機付けている。 しかし、巨大なボリュームデータセットの再構築は、かなりの計算とメモリの要求を課している。 この課題に対処するために,SGAMを提案する。SGAMはメモリ効率のよい,スキャン固有のフレームワークで,3D MCMRIのジョイントフルボリューム再構成を行う。 SGAMは、振幅を多出力暗黙的ニューラル表現(INR)と明示変数によるコントラスト特異的位相でモデル化した共有幾何学的ガウス表現に基づいている。 この設計はコントラストにまたがる共通の解剖学的構造を利用し、コントラスト固有の信号のバリエーションを保存する。 この表現は、外部トレーニングデータなしで取得したマルチコイルk-スペースのみを用いて共同最適化される。 実験の結果、SGAM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。 また、SGAMは再構成品質と計算コストのバランスを良好に保ち、3次元マルチコントラストMRI再構成の有効性を示した。

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。