再帰畳込みニューラルネットワークを用いた拡散強調イメージングのためのロバストな部分的Fourier再構成【JST・京大機械翻訳】

Gadjimuradov Fasil; Gadjimuradov Fasil; Benkert Thomas; Nickel Marcel Dominik; Maier Andreas

文献

J-GLOBAL ID：202202251768809691 整理番号：22A0626454

再帰畳込みニューラルネットワークを用いた拡散強調イメージングのためのロバストな部分的Fourier再構成【JST・京大機械翻訳】

Robust partial Fourier reconstruction for diffusion-weighted imaging using a recurrent convolutional neural network

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=22A0626454&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0626454&from=J-GLOBAL&jstjournalNo=W2675A") }}

著者 (5件)： , , , ,
資料名：
巻： 87 号： 4 ページ： 2018-2033 発行年： 2022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)

PURPOSE:非平滑位相変動を有する拡散強調(DW)画像に適用できるロバスト部分Fourier(PF)再構成のためのアルゴリズムを開発する。【方法】:非圧延近位分割アルゴリズムに基づき,ニューラルネットワークアーキテクチャを導き出し,それはデータ一貫性操作と反復畳込みによって実行される正則化の間を交替する。相関を利用するために,同じスライスの多重反復を置換-等分散の考慮の下で共同再構成した。アルゴリズムを60人のボランティアのDW肝臓データで訓練し,異なる解剖学と解像度の遡及的および前向きサブサンプルデータで評価した。【結果】提案方法は,定量的測定および知覚画像品質に関して,遡及的サブサンプルデータに関して従来のPF技術を著しく凌駕することができた。この文脈において,反復ネットワーク非圧延の特定のタイプと同様に反復の関節再構成は,再構成品質に関して有益であることが分かった。前向きPFサンプリングデータにおいて,提案方法は,画像分解能を犠牲にすることなく,あるいは付加的アーチファクトを導入することなく,より高い信号でDWイメージングを可能にする。代わりに,それはより高い分解能で取得のTE増加に対抗するのに使用できる。さらに,一般化可能性は,訓練セットに存在しないアトマシーとコントラストを示す前向き脳データを示すことができる。結論:本研究は,DWデータの堅牢なPF再構成が,相変動の傾向がある原子における強いPF因子でさえ実現可能であることを示す。提案方法は位相の平滑性に頼らないが,代わりに学習された再帰畳込みを使用するので,従来のPF法のアーチファクトを避けることができる。Copyright 2022 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 (5件)： , , , ,

図形・画像処理一般

, , ,

前のページに戻る