Open namakemono opened 5 years ago
動的磁気共鳴画像法(MRI)は、k空間および時間において高い相関を示す。動的MRイメージングを加速し、高度にアンダーサンプリングされたデータからのkt相関を活用するために、ここで我々は、kt NEXT(kf NEネットワークとXf変換)と呼ばれる、動的MR画像再構成のための新規なディープラーニングベースのアプローチを提案する。特に、kt BLASTやkt FOCUSSのような伝統的な方法に触発されて、我々は時空間の冗長性を利用するためにxf領域のエイリアス信号から真の信号を再構築することを提案する。それに基づいて、提案された方法は、次に、x − f空間と画像空間との間で再構成プロセスを反復的に繰り返すことによって信号を回復することを学習する。これにより、ネットワークは有効な情報を効果的に取得し、両方の補完ドメインから時空間相関を共同で利用することができます。非常にアンダーサンプリングされた短軸心臓シネMRIスキャンで行われた実験は、我々の提案した方法が現在の最先端の動的MR再構成アプローチを定量的および定性的の両方よりも優れていることを実証する。
どんなもの?
動的磁気共鳴画像法(MRI)は、k空間および時間において高い相関を示す。動的MRイメージングを加速し、高度にアンダーサンプリングされたデータからのkt相関を活用するために、ここで我々は、kt NEXT(kf NEネットワークとXf変換)と呼ばれる、動的MR画像再構成のための新規なディープラーニングベースのアプローチを提案する。特に、kt BLASTやkt FOCUSSのような伝統的な方法に触発されて、我々は時空間の冗長性を利用するためにxf領域のエイリアス信号から真の信号を再構築することを提案する。それに基づいて、提案された方法は、次に、x − f空間と画像空間との間で再構成プロセスを反復的に繰り返すことによって信号を回復することを学習する。これにより、ネットワークは有効な情報を効果的に取得し、両方の補完ドメインから時空間相関を共同で利用することができます。非常にアンダーサンプリングされた短軸心臓シネMRIスキャンで行われた実験は、我々の提案した方法が現在の最先端の動的MR再構成アプローチを定量的および定性的の両方よりも優れていることを実証する。
他と比べてどこがすごい?
技術や手法のキモはどこ?
どうやって有効だと検証した?
議論はある?
次に読むべき論文は?