論文の概要: DoReMe: Dual optimization of Reconstruction and Motion estimation for self-navigated free-breathing abdominal MRI using Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2610.19120v1
• Date: Tue, 13 Oct 2026 19:54:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.777513
• Title: DoReMe: Dual optimization of Reconstruction and Motion estimation for self-navigated free-breathing abdominal MRI using Gaussian Splatting
• Title（参考訳）: DoReMe: Gaussian Splatting を用いた自走自由呼吸型腹部MRIにおける再建と運動推定の二重最適化
• Abstract要約: 既存の再建アプローチは、しばしば推定された運動場または外部呼吸代理信号に依存する。 本稿では,自己ナビゲート型自由呼吸獲得のための再構成動作推定アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.05319453183808007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Free-breathing abdominal MRI is limited by respiratory motion, which introduces image artifacts and k-space inconsistencies. Existing reconstruction approaches often depend on pre-estimated motion fields or external respiratory surrogate signals. We propose a coupled reconstruction-motion estimation algorithm for self-navigated free-breathing acquisition, in which motion is represented by compact Gaussian primitives and jointly refined with the image estimates during iterative reconstruction. Methods: An iterative reconstruction that alternates between data consistency updates and motion modelling was proposed. Respiratory motion was represented using Gaussian primitives. A Gaussian splatting was integrated into the reconstruction algorithm. The method was evaluated on self-navigated free-breathing Cartesian gradient-echo (GRE) acquisition in four healthy volunteers, including retrospective scan shortening experiments, and was compared with regularized compressed sensing (CS) reconstruction. Results: Respiratory motion states were reconstructed in approximately 1.5 min. Compared with CS, the proposed method improved visual image quality, particularly in coronal liver views, and better preserved anatomical structures in retrospectively shortened acquisitions. These findings provide proof of concept for the proposed method. Conclusion: The proposed coupled reconstruction-motion estimation algorithm improved visual image quality compared with CS alone. Gaussian primitives provided a compact and sufficiently flexible representation of nonrigid respiratory motion with practical runtime, supporting further scanner integration and validation in larger cohorts.
• Abstract（参考訳）: 目的: 腹部MRIは呼吸運動によって制限され, 画像アーティファクトやk空間の不整合が生じる。 既存の再建アプローチは、しばしば推定された運動場または外部呼吸代理信号に依存する。 本稿では,移動をコンパクトなガウス的プリミティブで表現し,反復的再構成中に画像推定と共同で洗練する自己ナビゲート自由呼吸獲得のための再構成動作推定アルゴリズムを提案する。 方法:データ一貫性更新とモーションモデリングを交互に行う反復的再構成を提案する。 呼吸運動はガウス原始体を用いて表現された。 復元アルゴリズムにはガウススプラッティングが組み込まれている。 本手法は, 健常者4名の自走自由呼吸性Cartesian Gragient-echo (GRE) の経時的スキャン短縮実験を含め, 自走自由呼吸性Cartesian Gragient-echo (GRE) の獲得について検討し, 正規化圧縮センシング (CS) 再建との比較を行った。 結果: 約1.5分で呼吸運動状態が再建された。 CSと比較して, 提案手法は画像品質, 特に冠状肝所見を向上し, 再帰的短縮による解剖学的構造の改善を図った。 これらの結果から,提案手法の概念実証が得られた。 結語: CSのみと比較して, 画像の画質が向上した。 ガウスのプリミティブは、実用的ランタイムで、コンパクトで十分に柔軟な非剛性呼吸運動の表現を提供し、より大きなコホートにおけるスキャナの統合と検証をさらに支援した。

関連論文リスト

• Towards Voxel Spacing Consistency for Medical Image Segmentation [56.992050146446495]
  画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。 コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
  論文  参考訳（メタデータ） (2026-06-30T15:42:23Z)
• Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
  MRI再建は本質的に不完全な逆問題である。 この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。 提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-19T04:40:50Z)
• 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)
• Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
  我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感な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。 我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。 本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
  論文  参考訳（メタデータ） (2024-04-26T14:25:07Z)
• Self-Supervised k-Space Regularization for Motion-Resolved Abdominal MRI Using Neural Implicit k-Space Representation [3.829690053412406]
  並列イメージングによる自己整合性(PISCO)の概念を紹介する。 我々は、一貫した近傍関係を強制する自己教師付きk空間正規化を取り入れた。 追加のデータコストがなければ、提案された正規化はシミュレーションデータの暗黙的k空間再構成を大幅に改善する。
  論文  参考訳（メタデータ） (2024-04-12T09:31:11Z)
• Learning-based and unrolled motion-compensated reconstruction for cardiac MR CINE imaging [8.095696087978977]
  運動補償MR再構成(MCMR)は、かなりの可能性を持つ強力な概念である。 心臓MRI画像における非剛性運動障害を効果的に扱うための,MCMRのための学習ベースの自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-08T09:34:12Z)
• REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
  REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。 高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
  論文  参考訳（メタデータ） (2022-08-17T03:42:19Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
  そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。 提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2020-02-21T05:19:10Z)

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。