一种基于伪影评估的无监督MR图像质量控制隐空间
图像与视频处理
2023-02-02 v1 计算机视觉与模式识别
摘要
图像质量控制（IQC）可用于自动化磁共振（MR）图像分析，以排除由采集不良或含伪影图像导致的错误结果。现有MR成像的IQC方法通常需要人工设计有意义的特征或标注大规模数据集进行监督训练。人工参与可能繁重且带有偏倚，因为基于质量标注MR图像是一项主观任务。本文提出一种自动IQC方法，在无监督条件下评估MR图像中伪影的程度。具体地，我们设计了一个基于对比学习来学习伪影表示的伪影编码网络，随后使用归一化流估计所学表示的密度以进行无监督分类。我们在大规模多队列MR数据集上的实验表明，所提方法能准确检测高伪影水平图像，从而可为下游分析任务提示潜在缺陷数据。
引用
@article{arxiv.2302.00528,
title = {A latent space for unsupervised MR image quality control via artifact assessment},
author = {Lianrui Zuo and Yuan Xue and Blake E. Dewey and Yihao Liu and Jerry L. Prince and Aaron Carass},
journal= {arXiv preprint arXiv:2302.00528},
year = {2023}
}
备注
Accepted at the International Society for Optics and Photonics - Medical Imaging (SPIE-MI) 2023