文献

J-GLOBAL ID：202202259080642594   整理番号：22A0741550

MRI再構成における情報利得強化のためのグループ特徴選択【JST・京大機械翻訳】

Group feature selection for enhancing information gain in MRI reconstruction

著者 (2件)： Chang Yuchou (Department of Computer and Information Science, University of Massachusetts Dartmouth, North Dartmouth, Massachusetts, United States of America) ,  Saritac Mert (Department of Computer and Information Science, University of Massachusetts Dartmouth, North Dartmouth, Massachusetts, United States of America)
資料名： Physics in Medicine and Biology  (Physics in Medicine and Biology)
巻： 67  号： 4  ページ： 045011 (13pp)  発行年： 2022年 
JST資料番号： D0324A  ISSN： 0031-9155  CODEN： PHMBA7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 磁気共鳴映像法(MRI)は放射線医学を革命してきた。主導的な医用イメージングモダリティとして,MRIは体内部の構造を可視化するだけでなく,機能的イメージングも生成する。しかしながら,磁気共鳴物理学により制約された遅いイメージング速度のため,MRIコストは高価であり,患者は長時間のスキャナで快適でない。並列MRI(pMRI)は,サブNyquistサンプリング戦略を通してイメージング速度を加速させ,欠損データは獲得した多重コイルデータによって補間される。カーネル学習は,補間重みを学習し,アンダーサンプルデータを再構成するために,pMRI再構成において使用された。しかし,雑音とエイリアシングアーチファクトは再構成画像中にまだ存在し,多数の自動キャリブレーション信号線が必要である。カーネル学習ベースのMRI再構成をさらに改善し,速度を加速するために,本論文は,学習性能を改善し,再構成品質を高めるためにグループ特徴選択戦略を提案する。明示的カーネルマッピングを用いて,欠測k空間データの推定に最も寄与する特徴の部分集合を選択した。実験結果は,学習行動がよりよく予測でき,従って,再構成画像品質を改善できることを示す。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  磁気共鳴 ,  信号標本化 ,  内挿法 ,  可視化 ,  画像処理 ,  *特徴選択 ,  多重化 ,  走査装置 ,  NMRイメージング ,  エイリアシング ,  アーチファクト
準シソーラス用語： モダリティ ,  Kernel法 ,  医用画像処理 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： MRI ,  再構成 ,  情報利得 ,  強化 ,  グループ ,  特徴選択