文献

J-GLOBAL ID：202202288132504648   整理番号：22A0951118

深層学習アプローチによる磁気共鳴フィンガープリントにおける次元性の消去【JST・京大機械翻訳】

Circumventing the curse of dimensionality in magnetic resonance fingerprinting through a deep learning approach

著者 (17件)： Barbieri Marco (Department of Physics and Astronomy ”Augusto Righi”, University of Bologna, Bologna, Italy) ,  Barbieri Marco (Department of Radiology, Stanford University, California, United States) ,  Lee Philip K. (Department of Electrical Engineering, Stanford University, California, United States) ,  Brizi Leonardo (Department of Physics and Astronomy ”Augusto Righi”, University of Bologna, Bologna, Italy) ,  Brizi Leonardo (INFN, Sezione di Bologna, Bologna, Italy) ,  Giampieri Enrico (Department of Experimental, Diagnostic and Specialty Medicine, University of Bologna, Bologna, Italy) ,  Solera Francesco (Deep Vision Consulting, Modena, Italy) ,  Castellani Gastone (Department of Experimental, Diagnostic and Specialty Medicine, University of Bologna, Bologna, Italy) ,  Hargreaves Brian A. (Department of Radiology, Stanford University, California, United States) ,  Hargreaves Brian A. (Department of Electrical Engineering, Stanford University, California, United States) ,  Hargreaves Brian A. (Department of Bioengineering, Stanford University, California, United States) ,  Testa Claudia (Department of Physics and Astronomy ”Augusto Righi”, University of Bologna, Bologna, Italy) ,  Testa Claudia (IRCCS Istituto delle Scienze Neurologiche di Bologna, Functional and Molecular Neuroimaging Unit, Bologna, Italy) ,  Lodi Raffaele (IRCCS Istituto delle Scienze Neurologiche di Bologna, Functional and Molecular Neuroimaging Unit, Bologna, Italy) ,  Lodi Raffaele (Department of Biomedical and Neuromotor Sciences, University of Bologna, Bologna, Italy) ,  Remondini Daniel (Department of Physics and Astronomy ”Augusto Righi”, University of Bologna, Bologna, Italy) ,  Remondini Daniel (INFN, Sezione di Bologna, Bologna, Italy)
資料名： NMR in Biomedicine (Nuclear Magnetic Resonance)  (NMR in Biomedicine (Nuclear Magnetic Resonance))
巻： 35  号： 4  ページ： e4670  発行年： 2022年 
JST資料番号： T0635A  ISSN： 0952-3480  CODEN： NMRBEF  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)

抄録/ポイント： 磁気共鳴フィンガープリント法(MRF)は,高速定量的MRIのための急速に発展するアプローチである。辞書ベースのMRFの典型的な欠点は,資源要求の爆発を決定する「次元のurseい」に従って,再構成されたパラメータの数の関数として辞書サイズの爆発である。ニューラルネットワーク(NN)は,実行可能な代替として提案されているが,このアプローチは,まだその幼児期にある。本研究では,完全接続ネットワーク(FCN)を用いてMRFに対する深層学習手法を設計した。第1部では,シミュレーションを用いて,NN性能尺度が標準辞書手法との比較において検索されるパラメータ数でどのようにスケールするかを調べた。IR-FISP,bSSFP,IR-FISP-B_1,およびIR-bSSFP-B_1の4つのMRF配列を考察し,後者2つは[数式:原文を参照]パラメータ符号化のためにより特異的であるように設計した。”2つのMRF]は,IR-FISP,bSSFP,IR-FISP-B_1,およびIR-bSSFP-B_1であった。推定タスクを実行するのに必要な推定精度,メモリ利用および計算時間を,辞書ベースおよびNNアプローチのスケーラビリティ能力を比較するために考慮した。第2部では,雑音とアンダーサンプリングアーチファクトに対するより良い精度とロバスト性を達成するために,訓練中の異なるデータ増強と前処理戦略を含む最適訓練手順を研究した。IR-FISP MRFシーケンスを用いて,シミュレーションおよびin vivo取得の両方を利用して研究を行った。結果は,NNアプローチがスケーラビリティ能力に関して辞書ベース手法より優れていることを実証した。また,結果は,元の辞書アプローチで得られたものとよく一致するT_1,T_2,およびM_0マップを予測できるFCNを発見的に決定することを可能にし,そして,アンダーサンプリングデータを処理する前処理ステップとして重要であることを見出した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  雑音 ,  *磁気共鳴 ,  ネットワーク ,  ニューラルネットワーク ,  信号標本化 ,  長さ ,  再構成 ,  *指紋 ,  フィンガープリント法 ,  辞書 ,  ロバスト性 ,  アーチファクト ,  *機械学習
準シソーラス用語： 推定精度 ,  アンダーサンプリング ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  磁気共鳴フィンガープリント法 ,  MRI ,  qMRI

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 深層学習 ,  磁気共鳴 ,  フィンガープリント ,  次元 ,  消去