MRI 自动运动伪影检测与严重程度评估框架（AutoMAC-MRI）
计算机视觉与模式识别
2025-12-18 v1 人工智能
摘要
运动伪影会降低 MRI 图像质量，增加患者复检率。现有自动化质量评估方法大多局限于二元决策，缺乏可解释性。我们引入 AutoMAC-MRI，一个在异构 MR 对比度与方向上的可解释框架，用于对运动伪影进行分级。该方法利用监督对比学习来学习运动严重程度的判别性表征。在该特征空间中，我们计算每一分级的亲和度得分，以量化图像与每个分级的接近程度，从而实现分级赋值的透明可解释。我们在超过 5000 条由专家标注的大脑 MRI 切片（涵盖多种对比度与视角）上评估了 AutoMAC-MRI。实验表明，亲和度得分与专家标签高度吻合，支持其作为运动严重程度可解释度量的使用。通过精准分级检测与逐级亲和度评分相结合，AutoMAC-MRI 实现了内联 MRI 质量控制，潜在可减少不必要的复检，提高工作流程效率。
引用
@article{arxiv.2512.15315,
title = {Automated Motion Artifact Check for MRI (AutoMAC-MRI): An Interpretable Framework for Motion Artifact Detection and Severity Assessment},
author = {Antony Jerald and Dattesh Shanbhag and Sudhanya Chatterjee},
journal= {arXiv preprint arXiv:2512.15315},
year = {2025}
}