准确的超分辨率低场脑MRI
图像与视频处理
2022-02-09 v1 计算机视觉与模式识别
摘要
近期便携式低场MRI（LF-MRI）进入临床环境，有潜力改变神经成像。然而，LF-MRI受限于较低的分辨率和信噪比，导致脑区表征不完整。为应对这一挑战，机器学习的最新进展促进了从一幅或多幅较低分辨率扫描合成更高分辨率图像。在此，我们报告将一种机器学习超分辨率（SR）算法扩展，以从LF-MRI T1加权和T2加权序列合成1 mm各向同性类MPRAGE扫描。我们在一个配对的LF与高场（HF，1.5T-3T）临床扫描数据集上的初步结果显示：（i）将现有自动分割工具直接应用于LF-MRI图像会出错；但（ii）当应用于SR图像时分割工具成功，且与来自HF-MRI的金标准测量高度相关（例如，海马体体积r = 0.85，丘脑r = 0.84，全脑r = 0.92）。本工作展示了从较低分辨率LF-MRI序列进行后处理图像增强的原理验证。这些结果为未来增强LF下正常与异常图像发现的检测并最终改善LF-MRI诊断性能的工作奠定基础。我们的工具已在FreeSurfer上公开提供（surfer.nmr.mgh.harvard.edu/）。
引用
@article{arxiv.2202.03564,
title = {Accurate super-resolution low-field brain MRI},
author = {Juan Eugenio Iglesias and Riana Schleicher and Sonia Laguna and Benjamin Billot and Pamela Schaefer and Brenna McKaig and Joshua N. Goldstein and Kevin N. Sheth and Matthew S. Rosen and W. Taylor Kimberly},
journal= {arXiv preprint arXiv:2202.03564},
year = {2022}
}