A Probabilistic Hadamard U-Net for MRI Bias Field Correction
图像与视频处理
2024-10-30 v2 计算机视觉与模式识别
机器学习
摘要
磁场不均匀性校正仍然是 MRI 分析中的一项挑战性任务。大多数成熟的技术都是为脑部 MRI 设计的，假设相同组织中的图像强度遵循均匀分布。这种假设不易应用于其他器官，尤其是那些尺寸小且纹理异质（强度变化大）的器官，如前列腺。为了解决这个问题，本文提出了一种用于前列腺 MRI 偏置场校正的概率 Hadamard U-Net（PHU-Net）。首先，引入了一种新颖的 Hadamard U-Net（HU-Net）来提取低频标量场，将其与原始输入相乘以获得原型校正图像。HU-Net 通过 Hadamard 变换将输入图像从时域转换到频域。在频域中，使用可训练滤波器（缩放层）、硬阈值层和稀疏惩罚消除高频分量。接下来，使用条件变分自编码器将可能的偏置场校正变体编码到低维潜在空间中。然后，将从潜在空间抽取的随机样本与原型校正图像结合，生成多个合理的图像。实验结果表明，PHU-Net 在校正前列腺 MRI 偏置场方面具有有效性，且推理速度快。研究还表明，使用 PHU-Net 生成的高质量校正图像可以提高前列腺 MRI 分割的准确性。代码将在本手稿的最终版本中提供。
引用
@article{arxiv.2403.05024,
title = {A Probabilistic Hadamard U-Net for MRI Bias Field Correction},
author = {Xin Zhu and Hongyi Pan and Yury Velichko and Adam B. Murphy and Ashley Ross and Baris Turkbey and Ahmet Enis Cetin and Ulas Bagci},
journal= {arXiv preprint arXiv:2403.05024},
year = {2024}
}