論文の概要: Spectrally optimized implicit neural representations mitigate acquisition-related image quality trade-offs in intracranial 4D Flow MRI

• arxiv url: http://arxiv.org/abs/2610.33124v1
• Date: Fri, 23 Oct 2026 10:03:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.25172
• Title: Spectrally optimized implicit neural representations mitigate acquisition-related image quality trade-offs in intracranial 4D Flow MRI
• Title（参考訳）: 頭蓋内4D Flow MRIにおける画像品質トレードオフを緩和するスペクトル最適化暗黙的神経表現
• Abstract要約: 頭蓋内4次元フローMRIのためのスペクトル調整型暗黙的神経表現(INR)フレームワークを提案する。 健常者および中等度から重症の頭蓋内動脈硬化症9例を対象に,データ駆動型および物理インフォームド変種の評価を行った。 このフレームワークは、取得現実的なノイズと中程度のVENC依存のエイリアスに対して頑健なままであった。
• 参考スコア（独自算出の注目度）: 28.9274280743353
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: 4D Flow MRI promises opportunities for non-invasive mapping of neurovascular hemodynamics, but its clinical utility faces trade-offs between resolution, acquisition time, and noise. Deep learning-based super-resolution offers a post-scan solution, but supervised approaches require paired or domain-specific data, while patient-specific physics-informed models can be computationally demanding. This creates a need for unsupervised reconstruction models that can adapt to individual acquisitions without paired high-resolution training data, while remaining robust across anatomy, disease severity, and acquisition quality. To address this, we introduce a spectrally tuned implicit neural representation (INR) framework for intracranial 4D Flow MRI, representing the velocity field as a continuous coordinate-based neural field using WIRE activation functions with tunable spectral bias. Data-driven and physics-informed variants were evaluated in nine cerebrovascular cases spanning healthy controls and moderate-to-severe intracranial atherosclerotic disease, using CFD-derived high-resolution reference fields, MR-realistic synthetic low-resolution inputs, and direct fitting to acquired in-vivo data. Cohort-optimal spectral-bias settings generalized across subjects with only small increases in relative error compared with subject-specific optima, reducing the need for case-specific hyperparameter tuning. Physics-informed regularization provided modest additional accuracy but required substantially longer optimization, whereas the data-driven INR achieved near-comparable reconstruction performance within minutes. The framework also remained robust to acquisition-realistic noise and moderate VENC-dependent aliasing. These findings establish spectrally optimized INRs as a flexible unsupervised approach for mitigating acquisition-related trade-offs in intracranial 4D Flow MRI.
• Abstract（参考訳）: 4D Flow MRIは、神経血管の血行動態を非侵襲的にマッピングする機会を約束するが、その臨床的有用性は、解像度、取得時間、ノイズの間のトレードオフに直面している。 ディープラーニングベースの超解法は、ポストスキャンソリューションを提供するが、教師付きアプローチはペアまたはドメイン固有のデータを必要とする。 これにより、解剖学、疾患の重症度、取得品質に頑健なままながら、ペア化された高解像度のトレーニングデータなしで個別の取得に適応できる教師なしの再構築モデルの必要性が生じる。 そこで我々は,脳内4DフローMRIのためのスペクトル調整型暗黙的ニューラル表現(INR)フレームワークを導入する。 CFD由来の高分解能基準フィールド,MR-realistic synthetic low- resolution input, および取得したin-vivoデータへの直接適応を用いて, 健康管理と中等度から重度の頭蓋内動脈硬化症を含む9症例において, データ駆動型および物理インフォームド変種の評価を行った。 コホート・最適スペクトルバイアス設定は、被験者ごとの相対誤差が小さめに増加し、ケース特化ハイパーパラメータチューニングの必要性が軽減された。 物理インフォームド・レギュラー化は微妙な精度を与えたが、データ駆動型INRは数分でほぼ互換性のある再構築性能を達成した。 このフレームワークは、取得現実的なノイズや、中程度のVENC依存のエイリアスにも頑健なままであった。 これらの知見は,頭蓋内4D Flow MRIにおける買収関連トレードオフを緩和するための,フレキシブルな教師なしアプローチとして,スペクトル最適化INRを確立した。

関連論文リスト

• Attention-guided super-resolution of 4D flow MRI in carotid arteries [0.0]
  本研究では,4次元フローMRIデータジオメトリの品質向上のために,マルチスケールの特徴抽出とアテンション機構を統合した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。 提案アーキテクチャは、畳み込みブロックアテンションモジュール(CBAM)を用いて、ネットワークを臨床的に関連する空間的特徴へ誘導し、低分解能入力におけるノイズを抑制する。
  論文  参考訳（メタデータ） (2026-09-04T08:48:32Z)
• SIINR: Structurally Informed Implicit Neural Representations for super-resolution with uncertainty quantification of clinical quality diffusion MRI datasets [3.1420911290508897]
  臨床用dMRIデータセットの高分解能化のためのフレームワークであるSIINRを紹介する。 我々は、様々なオープンアクセスdMRIデータセットのフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-07-22T09:16:23Z)
• Information-Theoretic Optimization for Task-Adapted Compressed Sensing Magnetic Resonance Imaging [92.90858286761515]
  タスク適応型圧縮型磁気共鳴画像(CS-MRI)は、下流臨床の特定の要求に対処するために出現している。 本稿では,不確実性予測のための確率的推論を同時に達成するために,情報理論の観点から最初のタスク適応型CS-MRIを提案する。 我々は、アモータイズされた最適化を活用し、抽出、再構成、タスク推論モデルを共同で最適化するために、相互情報に対してトラクタブルな変動境界を構築する。
  論文  参考訳（メタデータ） (2026-04-14T13:23:19Z)
• Implicit neural representations for accurate estimation of the standard model of white matter [2.1946354873884264]
  本研究は、暗黙的ニューラル表現(INR)に基づく推定フレームワークを導入する。 INRは入力座標の正弦波符号化による空間正則化を含む。 SMパラメータの推定におけるINR法の精度は,特に低信号対雑音条件において優れていた。
  論文  参考訳（メタデータ） (2025-06-18T15:40:42Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• DPER: Diffusion Prior Driven Neural Representation for Limited Angle and Sparse View CT Reconstruction [45.00528216648563]
  Diffusion Prior Driven Neural Representation (DPER) は、異常に不適切なCT再構成逆問題に対処するために設計された、教師なしのフレームワークである。 DPERは、半二次分割法(HQS)アルゴリズムを採用し、逆問題からデータ忠実度とサブプロブレム前の分布に分解する。 LACTにおけるDPERの性能評価と2つの公開データセットを用いた超SVCT再構成に関する総合的な実験を行った。
  論文  参考訳（メタデータ） (2024-04-27T12:55:13Z)
• Spatiotemporal implicit neural representation for unsupervised dynamic MRI reconstruction [11.661657147506519]
  Inlicit Neuraltruth (INR) は逆問題を解決するための強力なDLベースのツールとして登場した。 本研究では,高度にアンサンプされたk空間データから動的MRI再構成を改善するためのINRに基づく手法を提案する。 提案したINRは、ダイナミックMRI画像を暗黙の関数として表現し、それらをニューラルネットワークにエンコードする。
  論文  参考訳（メタデータ） (2022-12-31T05:43:21Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)

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。