サインイン
インサイト - MRI再構成
MRIの高速化のための協調的なモデル駆動型ネットワーク
提案手法は、スパース性とlow-rankness に基づくサブネットワークを効果的に統合し、中間結果の最適化と収束の加速を実現する。
MRIの高速化のための得点ベースの生成事前分布を活用したモデル駆動型ネットワーク
得点ネットワークによる初期サンプリング結果を活用し、モデル駆動型ネットワークの訓練を効果的に行うことで、高品質な再構成結果を得ることができる。
高解像度MRI再構成のための限定解像度データを用いた自己教師あり学習フレームワーク「k-band」
k-bandフレームワークは、限定解像度のデータを用いて自己教師あり学習を行うことで、高解像度の再構成を可能にする。これにより、高品質の学習データの取得が困難な状況でも、効率的にMRI再構成モデルを開発できる。