文献

J-GLOBAL ID：202002271218001110   整理番号：20A2273150

リカレントコンテキストアウェアネスによるMRI再構成のための深層注意Wasserstein生成敵対ネットワーク【JST・京大機械翻訳】

Deep Attentive Wasserstein Generative Adversarial Networks for MRI Reconstruction with Recurrent Context-Awareness

著者 (4件)： Guo Yifeng (Sun Yat-sen University, Guangzhou, China) ,  Wang Chengjia (University of Edinburgh, Edinburgh, UK) ,  Zhang Heye (Sun Yat-sen University, Guangzhou, China) ,  Yang Guang (National Heart and Lung Institute, Imperial College London, London, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12262  ページ： 167-177  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 従来の圧縮センシングベースMRI(CS-MRI)再構成の性能は,その遅い反復手順と雑音誘起アーチファクトによって影響を受ける。多くの深い学習ベースのCS-MRI法が伝統的方法の問題を緩和するために提案されてきたが,それらはより高い加速因子でよりロバストな結果を達成することができなかった。深層学習ベースCS-MRI法の大部分は,k空間から情報を完全にマイニングできず,MRI再構成における不満足な結果をもたらす。本研究では,逐次MRIスライス間の関係を完全に利用するための新しい深層学習ベースCS-MRI再構成法を提案した。意図的ユニットのさらなる開発は,MRIデータのためのより正確な解剖学的構造を再構築することを可能にする。異なるMRIデータセットの実験により,提案手法が最先端技術と比較してより良い結果を達成するだけでなく,再構成過程中に発生する残留雑音を効果的に低減できることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  学習 ,  *ネットワーク ,  逐次近似 ,  再構成 ,  深層 ,  ロバスト性 ,  アーチファクト ,  *再帰性
準シソーラス用語： *コンテキストアウェアネス ,  リカレントニューラルネットワーク ,  圧縮センシング ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： リカレントニューラルネットワーク ,  Wasserstein生成敵対ネットワーク ,  MRI再建

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： MRI ,  再構成 ,  深層 ,  注意 ,  敵対