Super-resolution diffusion model for accelerated MRI reconstruction

Simple item page
buir.contributor.authorMirza, Muhammad Usama
buir.contributor.authorÇukur, Tolga
buir.contributor.orcidMirza, Muhammad Usama|0009-0001-2146-7940
buir.contributor.orcidÇukur, Tolga|0000-0002-2296-851X
dc.citation.epage4en_US
dc.citation.spage1
dc.contributor.authorMirza, Muhammad Usama
dc.contributor.authorÇukur, Tolga
dc.coverage.spatialİstanbul, Türkiye
dc.date.accessioned2024-03-22T05:58:43Z
dc.date.available2024-03-22T05:58:43Z
dc.date.issued2023-08-28
dc.departmentDepartment of Electrical and Electronics Engineering
dc.descriptionDate of Conference: 05-08 July 2023
dc.descriptionConference Name: 31st IEEE Conference on Signal Processing and Communications Applications, SIU 2023
dc.description.abstractMRI reconstruction is a process to generate high-quality images from the raw data obtained during magnetic resonance imaging. Diffusion models, a class of generative models, have become a popular method for MRI Reconstruction due to their ability to generate high quality images. Diffusion models work by adding Gaussian noise to the original image and training a network to remove the noise. Diffusion models can continue to generate high quality images even with a different type of noise added to the original image. In this study we combine a resolution decreasing operator with noise scheduling used by regular diffusion models, ResDiff to perform MRI Reconstruction. One of the biggest drawbacks of Diffusion models is the amount of time taken to generate images. Down-sampling images to a lower resolution requires fewer steps allowing ResDiff to achieve competitive results in far less time.
dc.description.abstractMRI rekonstrüksiyonu, manyetik rezonans görüntüleme sırasında elde edilen ham verilerden yüksek kaliteli görüntüler oluşturma işlemidir. Üretken modellerin bir sınıfı olan difüzyon modelleri, yüksek kaliteli görüntüler oluşturma yetenekleri nedeniyle MRI Rekonstrüksiyonu için popüler bir yöntem haline geldi. Difüzyon modelleri, orijinal görüntüye Gauss gürültüsü ekleyerek ve bir ağı gürültüyü gidermek için eğiterek çalışır. Difüzyon modelleri, orijinal görüntüye farklı türde bir gürültü eklendiğinde bile yüksek kaliteli görüntüler oluşturmaya devam edebilir. Bu çalışmada, MRI Rekonstrüksiyonunu gerçekleştirmek için normal difüzyon modelleri ResDiff tarafından kullanılan gürültü programlama ile çözünürlüğü azaltan bir operatörü birleştirdik. Difüzyon modellerinin en büyük dezavantajlarından biri, görüntü oluşturmak için harcanan sürenin miktarıdır. Çözünürlüğü azaltmak, modelin çok daha kısa sürede rekabetçi sonuçlar elde etmesini sağlar.
dc.description.provenanceMade available in DSpace on 2024-03-22T05:58:43Z (GMT). No. of bitstreams: 1 Super-resolution_diffusion_model_for_accelerated_MRI_reconstruction.pdf: 2724918 bytes, checksum: 01f4b821c02a608fa4f4293753c6b8f7 (MD5) Previous issue date: 2023-08en
dc.identifier.doi10.1109/SIU59756.2023.10223786
dc.identifier.eisbn9798350343557
dc.identifier.isbn9798350343564
dc.identifier.issn2165-0608
dc.identifier.urihttps://hdl.handle.net/11693/115071
dc.language.isoEnglish
dc.publisherIEEE - Institute of Electrical and Electronics Engineers
dc.relation.isversionofhttps://dx.doi.org/10.1109/SIU59756.2023.10223786
dc.source.title2023 31st Signal Processing and Communications Applications Conference (SIU 2023)
dc.subjectMRI
dc.subjectReconstruction
dc.subjectDiffusion
dc.subjectResolution
dc.subjectGenerative
dc.titleSuper-resolution diffusion model for accelerated MRI reconstruction
dc.title.alternativeHızlandırılmış MRG geriçatımı için süper-çözünürlük difüzyon modeli
dc.typeConference Paper

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Super-resolution_diffusion_model_for_accelerated_MRI_reconstruction.pdf
Size:
2.6 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.01 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Scholarly Publications - Electrical and Electronics Engineering