数据一致的深度刚性 MRI 运动校正
图像与视频处理
2023-11-17 v2 计算机视觉与模式识别
机器学习
摘要
运动伪影在 MRI 中是一个普遍问题，会导致群体水平成像研究中的误诊或错误表征。当前的回顾性刚性层内运动校正技术联合优化图像与运动参数的估计。本文中，我们使用深度网络将联合图像-运动参数搜索简化为仅对刚性运动参数的搜索。我们的网络以两个输入—— corrupted k-space 数据与运动参数——的函数形式产生重建。我们使用由已知运动参数生成的模拟运动 corrupted k-space 数据训练网络。在测试时，我们通过最小化运动参数、给定这些参数的基于网络的图像重建与所获测量之间的数据一致性损失来估计未知运动参数。在模拟与真实 2D 快速自旋回波脑 MRI 上的层内运动校正实验实现了高重建保真度，同时提供了显式数据一致性优化的益处。我们的代码公开于 https://www.github.com/nalinimsingh/neuroMoCo。
引用
@article{arxiv.2301.10365,
title = {Data Consistent Deep Rigid MRI Motion Correction},
author = {Nalini M. Singh and Neel Dey and Malte Hoffmann and Bruce Fischl and Elfar Adalsteinsson and Robert Frost and Adrian V. Dalca and Polina Golland},
journal= {arXiv preprint arXiv:2301.10365},
year = {2023}
}
备注
Presented at MIDL 2023. 14 pages, 6 figures. Keywords: motion correction, magnetic resonance imaging, deep learning