Core Concepts
拡散モデルを活用し、低次元潜在空間で高周波詳細情報を生成することで、効率的かつ歪みのない多重コントラストMRIスーパーレゾリューションを実現する。
Abstract
本論文は、多重コントラストMRIスーパーレゾリューション(MCSR)のための効率的な拡散モデルDiffMSRを提案している。
具体的には以下の3点が主な内容である:
拡散モデルを低次元潜在空間で適用し、高周波詳細情報を含む事前知識を効率的に生成する。これにより、単純な反復処理でも高精度な事前知識を得ることができる。
事前知識を最大限活用するため、大きな受容野を持ちつつ計算コストの低いPrior-Guide Large Window Transformer (PLWformer)を設計する。これにより、歪みのない高品質な再構成が可能となる。
パブリックデータセットおよび臨床データセットでの実験結果から、提案手法DiffMSRが既存手法を大きく上回る性能を示すことを確認した。特に、高周波成分の再現性と再構成画像の歪みの少なさが優れている。
Stats
提案手法DiffMSRは、既存手法と比べて最小のFLOPsで最速の推論速度を実現している。
DiffMSRは、FastMRIデータセットにおいて、PSNR 33.78dB、SSIM 0.8765を達成し、最高性能を示している。
Quotes
拡散モデルを低次元潜在空間で適用することで、単純な反復処理でも高精度な事前知識を得ることができる。
大きな受容野を持ちつつ計算コストの低いPLWformerを設計することで、歪みのない高品質な再構成が可能となる。