デュアル極性読出し勾配を用いた金属アーチファクト補正のための深い神経回路網の教師なし学習【JST・京大機械翻訳】

Kwon Kinam; Kim Dongchan; Kim Byungjai; Park HyunWook

文献

J-GLOBAL ID：201902210174356667 整理番号：19A2449571

デュアル極性読出し勾配を用いた金属アーチファクト補正のための深い神経回路網の教師なし学習【JST・京大機械翻訳】

Unsupervised learning of a deep neural network for metal artifact correction using dual-polarity readout gradients

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A2449571&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A2449571&from=J-GLOBAL&jstjournalNo=W2675A") }}

著者 (4件)： , , ,
資料名：
巻： 83 号： 1 ページ： 124-138 発行年： 2020年
JST資料番号： W2675A ISSN： 0740-3194 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

目的:二重極性読み出し勾配で得られた2つの歪んだ画像を用いて,MRIにおける金属アーチファクトを補正するための新しい教師なし学習法を開発した。方法:教師なし学習法を,深いニューラルネットワークとMR画像生成モジュールから成る深いニューラルネットワークアーキテクチャのために提案した。このアーキテクチャは,歪のない画像またはオフ共鳴周波数マップを使用することなく,エンドツーエンドプロセスとして訓練される。深いニューラルネットワークは,二重極性読み出し勾配を用いて得られる2つの歪んだ画像間の周波数シフトマップを推定する。推定した周波数シフトマップと2つの歪んだ入力画像から,歪補正画像をMR画像生成モジュールで得た。合成データと実際のMRデータを用いた実験を行い,いくつかの金属アーチファクト補正法で補正した画像を比較した。結果:提案した方法は,合成データと実際のMRデータから再構成画像におけるリップルとパイルアップアーチファクトを解決した。提案した方法の結果は,監視学習法の結果と同等であり,比較したモデルベースの方法よりも優れていた。提案した教師なし学習法は,ネットワークがラベルなしで訓練され,教師つき学習法よりもロバストであることを可能にした。これに対して,小さな訓練データセットを用いるとき,過剰適合問題が生じる。結論:MR画像における金属アーチファクトは,提案した教師なし学習法により大幅に修正された。二重極性読み出し勾配で得られた二つの歪んだ画像を,深い神経回路網の入力として用いた。提案方法は,ラベルなしでネットワークを訓練することができて,小さな訓練データセットによってさえ,ネットワークに適合しなかった。Copyright 2019 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

医用画像処理

, , , , , ,

前のページに戻る