基于扩散引导的贝叶斯实验设计下的主动MRI采集
机器学习
2025-06-23 v1
摘要
最大化磁共挍成像（MRI）在临床环境中的效益的一个关键挑战是：在显著降低获取时间的同时维持图像质量。这一目标要求在加速采集的稀疏k空间测量之间，与为高保真图像重建和分析任务收集充足原始信息之间取得平衡。为实现这一平衡，我们提出使用序列贝叶斯实验设计（BED）提供自适应且任务相关的测量选择。通过最大化对目标图像后验分布的信息增益，依次添加新的样本。选择通过定义抽样模式的设计参数的梯度化优化来完成。本文引入一种新的主动BED程序，利用扩散生成模型处理图像的高维度，并采用随机优化在满足采集过程约束和预算的前提下选择多种抽样模式。通过这种方式，我们展示了该方法不仅能优化标准图像重建，还能优化任何相关联合成像分析任务。 our 方法的灵活性和性能在几组MRI采集中得到了验证。
引用
@article{arxiv.2506.16237,
title = {Active MRI Acquisition with Diffusion Guided Bayesian Experimental Design},
author = {Jacopo Iollo and Geoffroy Oudoumanessah and Carole Lartizien and Michel Dojat and Florence Forbes},
journal= {arXiv preprint arXiv:2506.16237},
year = {2025}
}