文献

J-GLOBAL ID：202202253512078364   整理番号：22A0897331

TL-HARDI:HARDIデータの変換学習ベース加速再構成【JST・京大機械翻訳】

TL-HARDI: Transform learning based accelerated reconstruction of HARDI data

著者 (3件)： Vaish Ashutosh (SBILab, Department of ECE, IIIT, Delhi, India) ,  Rajwade Ajit (Department of CSE, IIT, Bombay, India) ,  Gupta Anubha (SBILab, Department of ECE, IIIT, Delhi, India)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 143  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 拡散磁気共鳴映像法(dMRI)は,脳の神経構造を研究するために広く使用されている。拡散MRIのバリアントである高角分解能拡散イメージング(HARDI)は,q空間における角勾配方向に沿った水分子の拡散を測定する。従来の拡散テンソルイメージング(DTI)と比較して繊維配向のより良い推定を提供した。しかし,HARDIは,より長い走査時間をもたらす比較的多数の試料の取得を必要とする。圧縮センシング(CS)に基づくいくつかのアプローチが,HARDI取得を加速するために提案され,事前指定スパージング基底におけるHARDI信号の疎表現に活用されている。本論文では,適応的に学習された変換を用いて,圧縮センシングHARDIデータの再構成を行うことを提案する。変換を,(i)圧縮測定から,それによって,固定スパージング変換の選択のオーバヘッドを除去し,(ii)データの重複パッチ上で,局所画像構造を効果的に捕捉した。サンプリング比とサンプリングスキームを変えて,複数の実際のHARDIデータについて実験を行った。提案した「TL-HARDI」法の性能を,再構成画像から導出されたdMRI特徴マップと同様に,様々な既知の画像品質計量に関する最先端手法と比較した。提案方法は,定量的および定性的比較において,既存の最先端の方法より良い再構成をもたらすことが観察された。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 拡散 ,  *学習 ,  データ ,  基底 ,  分解能 ,  信号標本化 ,  構文分析 ,  画質 ,  再構成 ,  信号再生 ,  NMRイメージング ,  水分子 ,  繊維配向
準シソーラス用語： 拡散MRI ,  拡散テンソル画像 ,  圧縮センシング ,  スパース表現 , 【Automatic Indexing@JST】

著者キーワード (5件)： 拡散MRI ,  拡散テンソルイメージング ,  ハードI ,  圧縮センシング ,  変換学習

分類 (2件)： 合成鉱物  (CD01040K) ,  固体中の拡散一般  (BL06021L)

タイトルに関連する用語 (4件)： Tl ,  学習 ,  加速 ,  再構成