深度学习用于 MRI 回顾性运动校正：全面综述
图像与视频处理
2023-10-24 v2 计算机视觉与模式识别
机器学习
信号处理
医学物理
摘要
运动是可磁共振成像（MRI）中的主要挑战之一。由于 MR 信号在频域采集，被成像物体的任何运动除了引发其他 MR 成像伪影外，还会在重建图像中导致复杂伪影。深度学习已在重建过程的多个阶段被频繁提出用于运动校正。广泛的 MR 采集序列、感兴趣的解剖结构与病理，以及运动模式（刚体与可形变、随机与规则）使得一种通用解决方案不太可能。为促进不同应用间思想的迁移，本综述详细概述了所提出的基于学习的 MRI 运动校正方法及其共同挑战与潜力。本综述指出了底层数据使用、架构、训练与评估策略上的差异与协同。我们批判性地讨论了总体趋势并勾勒未来方向，旨在加强不同应用领域与研究 field 间的互动。
引用
@article{arxiv.2305.06739,
title = {Deep Learning for Retrospective Motion Correction in MRI: A Comprehensive Review},
author = {Veronika Spieker and Hannah Eichhorn and Kerstin Hammernik and Daniel Rueckert and Christine Preibisch and Dimitrios C. Karampinos and Julia A. Schnabel},
journal= {arXiv preprint arXiv:2305.06739},
year = {2023}
}