| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-01-24 13:05 Reduction of Truncation Artifacts by Massive-Training Artificial Neural Network (MTANN) in Fast-Acquisition MRI of the Knee Maodong Xiang・○Ze Jin・Kenji Suzuki（Tokyo Tech）  IE2021-31 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | MRI has a relatively long acquisition time, leading to patient comfort problems and artifacts from patient motion. Accelerated MRI acquisitions by taking fewer samples in the k-space involve a trade-off between the image-quality degradation due to artifacts and acquisition time. The purpose of our study was to reduce truncation artifacts in reconstructing MR images from under-sampled k-space data in fast-acquisition MRI. This study proposed a novel massive-training artificial neural network (MTANN) scheme. The MTANN is our original deep-learning model that employs neural network regression in a convolutional manner. To investigate the nature of k-space under-sampling, we proposed a sampling pattern-specific kernel that extends the conventional square kernel to exploit more spatial information that can help MTANN to reduce truncation artifacts. We conducted experiments to evaluate the performance of our scheme with under-sampled MR images of 20 patients with 795 slices. The results showed that our proposed MTANN scheme substantially reduced artifacts in reconstructed MR images from under-sampled k-space data, while the image quality was well-maintained. | |
| キーワード | （和） | / / / / / / / |
| （英） | MRI / Reconstruction / Deep Learning / Noise reduction / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 346, IE2021-31, pp. 21-26, 2022年1月. | |
| 資料番号 | IE2021-31 | |
| 発行日 | 2022-01-17 (IE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IE2021-31 |
|
| 研究会情報 | |
| 研究会 | IE |
| 開催期間 | 2022-01-24 - 2022-01-24 |
| 開催地（和） | 国立情報学研究所 |
| 開催地（英） | National Institute of Informatics |
| テーマ（和） | 画像処理・符号化および一般 |
| テーマ（英） | Image Processing, Image Coding, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2022-01-IE |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Reduction of Truncation Artifacts by Massive-Training Artificial Neural Network (MTANN) in Fast-Acquisition MRI of the Knee |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / MRI |
| キーワード(2)（和/英） | / Reconstruction |
| キーワード(3)（和/英） | / Deep Learning |
| キーワード(4)（和/英） | / Noise reduction |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | シャン マオドン / Maodong Xiang / シャン マオドン |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第2著者 氏名（和/英/ヨミ） | ジン ゼ / Ze Jin / ジン ゼ |
| 第2著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第3著者 氏名（和/英/ヨミ） | 鈴木 賢治 / Kenji Suzuki / スズキ ケンジ |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第2著者 |
| 発表日時 | 2022-01-24 13:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IE |
| 資料番号 | IE2021-31 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.346 |
| ページ範囲 | pp.21-26 |
| ページ数 | 6 |
| 発行日 | 2022-01-17 (IE) |
[研究会発表申込システムのトップページに戻る]