論文の概要: MRI Reconstruction Risk Estimation from Inference Dynamics

• arxiv url: http://arxiv.org/abs/2610.26558v1
• Date: Mon, 19 Oct 2026 15:17:02 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:30:34.23766
• Title: MRI Reconstruction Risk Estimation from Inference Dynamics
• Title（参考訳）: 推論ダイナミクスを用いたMRI再構成リスク推定
• Abstract要約: 反復MRI再構成器は最終像を返す前に中間推定値を生成する。 本研究では, これらの推定軌道を, 実現可能な再建リスクのモデル内表現として検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Iterative MRI reconstructors produce intermediate estimates before returning a final image. We study these inference trajectories as a model-internal representation of realized reconstruction risk, measured by log-NMSE. Model-native states are projected to magnitude images, summarized by a fixed 16-dimensional descriptor, and mapped to risk using a source-trained ridge readout. Across three reconstruction backbones, trajectory features are strongly predictive of reconstruction risk on held-out source data. Under zero-shot target shift, their behavior is backbone-dependent, exhibiting both preserved positive association and readout reversal. Conditional analyses show that trajectory information can remain associated with error beyond an initialization-only predictor. A prefix analysis further shows that useful trajectory information can emerge before reconstruction completes. Repeated-mask and low-shot calibration studies indicate that trajectories primarily encode persistent case difficulty, while their orientation and calibration can change under domain shift.
• Abstract（参考訳）: 反復MRI再構成器は最終像を返す前に中間推定値を生成する。 log-NMSEによって測定された実効的再建リスクのモデル内表現として,これらの推論軌跡について検討した。 モデルネイティブな状態は画像の大きさに投影され、固定された16次元の記述子で要約され、ソーストレーニングされたリッジ読み出しを使用してリスクにマップされる。 3つの復元バックボーンのトラジェクトリ特徴は、保持されたソースデータに対する再構成リスクを強く予測する。 ゼロショット標的シフトでは、それらの行動はバックボーンに依存し、保存された陽性関連と読み出し反転の両方を示す。 条件解析により、軌道情報は初期化のみの予測値を超える誤差に関連付けられることが示された。 さらに、プレフィックス解析により、再建が完了する前に有用な軌跡情報が現れる可能性があることを示す。 繰り返しマスクとローショットキャリブレーションの研究は、トラジェクトリーが主に持続的なケースの難易度を符号化し、その向きとキャリブレーションはドメインシフトによって変化することを示している。

関連論文リスト

• From Pixels to Privacy-Sensitive Features: An Information-Theoretic Framework for Reconstruction Bounds [0.0]
  我々は、トレーニング前に計算できる歪み境界を導出し、トレーニング中にパラメータの軌跡を観察する相手にも適用する。 アナリストは、エラーを測定する表現を選択して、バウンダリがプライバシに敏感な再構築の側面を目標にすることができる。 我々は,LPIPS特徴空間と画素空間において,LPIPSによって直接測定された再構成歪みに対する第1の下位境界を求める。
  論文  参考訳（メタデータ） (2026-10-09T15:52:39Z)
• Robust Ensemble Guidance for Scientific Inverse Problems [100.58137337454754]
  Robust Ensemble Guidance (REG) は、アンサンブル予測拡散を用いて観測スケールのバランスを保ち、極端に不一致な影響を制限するために標準化された残差を適応的にクリップする。 REGは3つの観測系で6.2-8.2dBのブラックホール再構成PSNRを増加させ、一致した予算比較でNavier-Stokes再構成誤差を26.4%削減する。
  論文  参考訳（メタデータ） (2026-10-04T16:54:37Z)
• GPARA: Graph-Posterior-Aligned Refinement and Active Acquisition for Grounding Diffusion Priors [35.02888130785319]
  後アンサンブルに基づく手法は、生成されたサンプルから取得ユーティリティを推定することができる。 本稿では,拡散予測残差よりも文脈依存グラフを代理するGPARAを提案する。 物理場とコンピュータビジョンにまたがる2つの再構成タスクの実験は、改良とアクティブな獲得において一貫した改善を示す。
  論文  参考訳（メタデータ） (2026-09-28T02:46:53Z)
• 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)
• Reliev3R: Relieving Feed-forward Reconstruction from Multi-View Geometric Annotations [98.66466590444553]
  コスト制約のない多視点幾何アノテーションを使わずにFFRMをスクラッチからトレーニングするための弱教師付きパラダイムであるReliev3Rを提案する。 Reliev3Rのコアでは、多視点幾何整合性の監視を容易にするために、曖昧さを意識した相対深度損失と三角法に基づく再射損失を設計する。
  論文  参考訳（メタデータ） (2026-04-01T06:46:54Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)

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。