使用循环神经网络减少电影式心脏MRI运动伪影
图像与视频处理
2020-06-24 v1 机器学习
医学物理
摘要
电影式心脏磁共振成像（MRI）因其以极佳对比度呈现心血管特征的能力而被广泛用于心脏疾病诊断。然而，与计算机断层扫描（CT）相比，MRI需要较长的扫描时间，这不可避免地引起运动伪影并造成患者不适。因此，临床上强烈希望开发同时减少扫描时间与运动伪影的技术。鉴于深度学习在MRI超分辨率和CT金属伪影减少等其他医学成像任务中的成功应用，其是心脏MRI运动伪影减少的一种有前景的方法。在本文中，我们提出一种循环神经网络，从欠采样、运动模糊的电影式心脏图像中同时提取空间与时间特征以改善图像质量。实验结果表明在两个临床测试数据集上图像质量得到显著改善。此外，我们的方法支持以增强时间分辨率进行数据驱动的帧插值。与现有方法相比，我们的深度学习方法在结构相似性（SSIM）和峰值信噪比（PSNR）方面给出了更优性能。
引用
@article{arxiv.2006.12700,
title = {Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural Network},
author = {Qing Lyu and Hongming Shan and Yibin Xie and Debiao Li and Ge Wang},
journal= {arXiv preprint arXiv:2006.12700},
year = {2020}
}
备注
10 pages, 11 figures