Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Retrospective Motion Correction of Magnitude-Input MR Images

Loktyushin, A., Schuler, C., Scheffler, K., & Schölkopf, B. (2016). Retrospective Motion Correction of Magnitude-Input MR Images. In K. Bhatia (Ed.), Machine Learning Meets Medical Imaging (pp. 3-12). Piscataway, NJ, USA: IEEE.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-0000-7AB4-C Versions-Permalink: https://hdl.handle.net/21.11116/0000-000D-64B0-B
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
Link (beliebiger Volltext)
Beschreibung:
-
OA-Status:
Keine Angabe

Urheber

einblenden:
ausblenden:
 Urheber:
Loktyushin, A1, 2, Autor           
Schuler, C1, Autor           
Scheffler, K2, Autor           
Schölkopf, B1, Autor           
Affiliations:
1Dept. Empirical Inference, Max Planck Institute for Intelligent Systems, Max Planck Society, ou_1497647              
2Department High-Field Magnetic Resonance, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497796              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: There has been a considerable progress recently in understanding and developing solutions to the problem of image quality deterioration due to patients’ motion in MR scanners. Retrospective methods can be applied to previously acquired motion corrupted data, however, such methods require complex-valued raw volumes as input. It is common practice, though, to preserve only spatial magnitudes of the medical scans, which makes the existing post-processing-based approaches inapplicable. In this work, we make first humble steps towards solving the problem of motion-related artifacts in magnitude-only scans. We propose a learning-based approach, which involves using large-scale convolutional neural networks to learn the transformation from motion-corrupted magnitude observations to the sharp images.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2016
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1007/978-3-319-27929-9_1
BibTex Citekey: LoktyushinSSS2016
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: First International Workshop on Machine Learning Meets Medical Imaging (MLMMI 2015), held in conjunction with ICML 2015
Veranstaltungsort: Lille, France
Start-/Enddatum: 2015-07-11

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Machine Learning Meets Medical Imaging
Genre der Quelle: Konferenzband
 Urheber:
Bhatia , K.K., Herausgeber
Lombaert, H., Autor
Affiliations:
-
Ort, Verlag, Ausgabe: Piscataway, NJ, USA : IEEE
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 3 - 12 Identifikator: ISBN: 978-3-319-27928-2

Quelle 2

einblenden:
ausblenden:
Titel: Lecture Notes in Computer Science ; 9487
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: - Identifikator: -