文献

J-GLOBAL ID：202002213493860502   整理番号：20A2768698

SARA-GAN:高速圧縮センシングMRI再構成のための自己注意と相対平均弁別器ベース生成敵対ネットワーク【JST・京大機械翻訳】

SARA-GAN: Self-Attention and Relative Average Discriminator Based Generative Adversarial Networks for Fast Compressed Sensing MRI Reconstruction

著者 (10件)： Yuan Zhenmou (School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou, China) ,  Jiang Mingfeng (School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou, China) ,  Wang Yaming (School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou, China) ,  Wei Bo (School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou, China) ,  Li Yongming (College of Communication Engineering, Chongqing University, Chongqing, China) ,  Wang Pin (College of Communication Engineering, Chongqing University, Chongqing, China) ,  Menpes-Smith Wade (Aladdin Healthcare Technologies Ltd., London, United Kingdom) ,  Niu Zhangming (Aladdin Healthcare Technologies Ltd., London, United Kingdom) ,  Yang Guang (Cardiovascular Research Centre, Royal Brompton Hospital, London, United Kingdom) ,  Yang Guang (National Heart and Lung Institute, Imperial College London, London, United Kingdom)
資料名： Frontiers in Neuroinformatics (Web)  (Frontiers in Neuroinformatics (Web))
巻： 14  ページ： 611666  発行年： 2020年 
JST資料番号： U7084A  ISSN： 1662-5196  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： アンダーサンプリング磁気共鳴画像(MRI)再構成に関する研究は,MRIイメージングの速度を増加させ,患者の苦痛を減少させることができる。本論文では,自己拡張メカニズムと相対平均識別器(SARA-GAN)を用いた,Generative Adversarial Networkに基づくアンダーサンプルMRI再構成法を提案した。著者らのSARA-GANにおいて,相対的平均識別子理論を適用して,事前知識を完全に利用し,その中で,識別器の入力データの半分が真実であり,半分が偽であった。同時に,自己注意機構を,画像の長距離依存性を構築するために,発電機の多層に取り込んで,それは,限られた畳込みカーネルサイズの問題を克服できた。さらに,スペクトル正規化を用いて訓練プロセスを安定化した。3つの広く使われているGANベースのMRI再構成法,即ち,DAGAN,DAWGAN,およびDAWGAN-GPと比較して,提案方法は,より高いピーク信号対雑音比(PSNR)と構造類似性指数測定(SSIM)を得ることができ,そして,再構成画像の詳細は,更なる臨床精査と診断タスクのために,より豊富で,より現実的である。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *弁別器 ,  *ネットワーク ,  画像処理 ,  スペクトル ,  人工知能 ,  再構成 ,  類似性 ,  多層 ,  NMRイメージング ,  正規化
準シソーラス用語： 事前知識 ,  アンダーサンプリング ,  *圧縮センシング ,  再構成画像 , 【Automatic Indexing@JST】

著者キーワード (7件)： MRI ,  再建 ,  深層学習 ,  圧縮センシング ,  神経情報学 ,  人工知能 ,  GAN

分類 (1件)： 医用画像処理  (JE04020T)

引用文献 (41件)：

• AggarwalH. K.ManiM. P.JacobM. (2018). MoDL: model-based deep learning architecture for inverse problems. IEEE Trans. Med. Imaging 38, 394-405. doi: 10.1109/TMI.2018.286535630106719
• AkçakayaM.MoellerS.WeingärtnerS.UgurbilK. (2019). Scan-specific robust artificial-neural-networks for k-space interpolation (RAKI) reconstruction: database-free deep learning for fast imaging. Magn. Resonance Med. 81, 439-453. doi: 10.1002/mrm.2742030277269
• ArjovskyM.ChintalaS.BottouL. (2017). Wasserstein gan. arXiv. Available online at: https://arxiv.org/pdf/1701.07875.pdf
• BoydS.ParikhN.ChuE. (2011). Distributed optimization and statistical learning via the alternating direction method of multipliers. Now Foundations and Trends. p.128. doi: 10.1561/9781601984616
• CaoJ.LiuS.LiuH.LuH. (2020). CS-MRI reconstruction based on analysis dictionary learning and manifold structure regularization. Neural Netw. 123, 217-233. doi: 10.1016/j.neunet.2019.12.01031884182

タイトルに関連する用語 (10件)： SARA ,  GaN ,  圧縮センシング ,  MRI ,  再構成 ,  自己 ,  注意 ,  平均 ,  弁別器 ,  敵対