アンダーサンプリングマルチコイルMRI再構成のための適応取得ポリシーの学習について【JST・京大機械翻訳】

Bakker Tim; Muckley Matthew; Romero-Soriano Adriana; Drozdzal Michal; Pineda Luis

プレプリント

J-GLOBAL ID：202202208584803090 整理番号：22P0322613

アンダーサンプリングマルチコイルMRI再構成のための適応取得ポリシーの学習について【JST・京大機械翻訳】

On learning adaptive acquisition policies for undersampled multi-coil MRI reconstruction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マルチコイルMRI再構成をアンダーサンプリングするほとんどの現在のアプローチは,固定,等距離取得軌跡のための再構成モデルを学習することに焦点を合わせる。本論文では,取得ポリシーと共に再構成モデルの関節学習問題を研究した。この目的のために,異なるデータ点に適応できる学習可能取得ポリシーを用いてEnd-to-End変分ネットワークを拡張した。2つのアンダーサンプリング因子,4×と8×を用いて,大規模サンプリングマルチコイル高速MRIデータセットのコイル圧縮バージョンに関する著者らのモデルを検証した。著者らの実験は,4×での学習可能な非適応と手作業の等距離戦略によるオン-パー性能を示し,8×加速でのSSIMにおいて2%以上の観測改善を示し,潜在的適応k-空間取得軌跡がより大きな加速因子に対する再構成画像品質を改善できることを示唆した。しかし,驚くべきことに,著者らの最良の実行政策は,明示的に非適応であると学習する。【JST・京大機械翻訳】

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

医用画像処理

, , ,

前のページに戻る