اکسپرس 24
ترجمه فارسی مقاله StoDIP: بازسازی کارآمد تصویر MRF سه‌بعدی با استفاده از پیشین‌های تصویر عمیق و تکرارهای تصادفی

ترجمه فارسی مقاله StoDIP: بازسازی کارآمد تصویر MRF سه‌بعدی با استفاده از پیشین‌های تصویر عمیق و تکرارهای تصادفی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی StoDIP: Efficient 3D MRF image reconstruction with deep image priors and stochastic iterations
عنوان مقاله به فارسی StoDIP: بازسازی کارآمد تصویر MRF سه‌بعدی با استفاده از پیشین‌های تصویر عمیق و تکرارهای تصادفی
نویسندگان Perla Mayo, Matteo Cencini, Carolin M. Pirkl, Marion I. Menzel, Michela Tosetti, Bjoern H. Menze, Mohammad Golbabaee
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
دسته بندی موضوعات Image and Video Processing,Computer Vision and Pattern Recognition,Machine Learning,پردازش تصویر و فیلم , دید رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 5 August, 2024; originally announced August 2024. , Comments: 10 pages, 2 figures, 1 table, 1 algorithm
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 10 صفحه ، 2 شکل ، 1 جدول ، 1 الگوریتم

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 400,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Magnetic Resonance Fingerprinting (MRF) is a time-efficient approach to quantitative MRI for multiparametric tissue mapping. The reconstruction of quantitative maps requires tailored algorithms for removing aliasing artefacts from the compressed sampled MRF acquisitions. Within approaches found in the literature, many focus solely on two-dimensional (2D) image reconstruction, neglecting the extension to volumetric (3D) scans despite their higher relevance and clinical value. A reason for this is that transitioning to 3D imaging without appropriate mitigations presents significant challenges, including increased computational cost and storage requirements, and the need for large amount of ground-truth (artefact-free) data for training. To address these issues, we introduce StoDIP, a new algorithm that extends the ground-truth-free Deep Image Prior (DIP) reconstruction to 3D MRF imaging. StoDIP employs memory-efficient stochastic updates across the multicoil MRF data, a carefully selected neural network architecture, as well as faster nonuniform FFT (NUFFT) transformations. This enables a faster convergence compared against a conventional DIP implementation without these features. Tested on a dataset of whole-brain scans from healthy volunteers, StoDIP demonstrated superior performance over the ground-truth-free reconstruction baselines, both quantitatively and qualitatively.

چکیده به فارسی (ترجمه ماشینی)

اثر انگشت رزونانس مغناطیسی (MRF) یک روش کارآمد برای MRI کمی برای نقشه برداری بافت چند قطبی است.بازسازی نقشه های کمی به الگوریتم های متناسب برای از بین بردن آثار باستانی آلیاژ از جمع آوری MRF نمونه برداری شده نیاز دارد.در رویکردهای موجود در ادبیات ، بسیاری از آنها صرفاً بر بازسازی تصویر دو بعدی (2D) تمرکز می کنند ، و غفلت از گسترش اسکن های حجمی (3D) با وجود اهمیت بالاتر و ارزش بالینی آنها.دلیل این امر این است که انتقال به تصویربرداری سه بعدی بدون کاهش مناسب ، چالش های قابل توجهی ، از جمله افزایش هزینه محاسباتی و نیازهای ذخیره سازی و نیاز به مقدار زیادی از داده های حقیقت (عاری از Artefact) برای آموزش را نشان می دهد.برای پرداختن به این موضوعات ، ما STODIP را معرفی می کنیم ، یک الگوریتم جدید که بازسازی تصویر عمیق بدون حقایق قبل از زمین (DIP) را به تصویربرداری MRF 3D گسترش می دهد.STODIP از به روزرسانی های تصادفی با حافظه در سراسر داده های MRF Multicoil ، یک معماری با دقت انتخاب شده شبکه عصبی و همچنین تحولات FFT غیر یکام سریعتر (NUFFT) استفاده می کند.این امکان همگرایی سریعتر را در مقایسه با اجرای DIP معمولی بدون این ویژگی ها امکان پذیر می کند.StoDip بر روی مجموعه ای از اسکن های کل مغز از داوطلبان سالم ، عملکرد برتر را نسبت به پایه های بازسازی عاری از حقایق ، هم از نظر کمی و هم از نظر کیفی نشان داد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.