深度学习改进的自动焦距：用于运动伪影消除及其在定量磁化率映射中的应用
信号处理
2024-05-28 v1 医学物理
摘要
目的：开发一种用于mGRE和定量磁化率映射 (QSM) 运动伪影校正的流程。方法：将深度学习与自动焦距集成，以提高运动伪影抑制效果，并应用于帕金森病 (PD) 患者的QSM。自动焦距方法中仿射运动参数的估计依赖于信噪比，当数据采样发生在k空间中心之外时，精度就不够。因此，采用深度学习策略来消除自动焦距中残余的运动伪影。结果：在15例模拟大脑数据（具有参考真实值）中，结果表明所提出的自动焦距深度学习方法显著改善了mGRE和QSM的图像质量（SSIM的p=0.001，PSNR和RMSE的p<0.0001）。来自10例具有真实运动伪影的PD患者的QSM数据也采用所提出的方法进行了校正，并由经验丰富的放射科医生进行图像质量评估，平均图像质量评分提高（p=0.0039）。结论：所提出的方法能够显著抑制mGRE和QSM中的运动伪影。
引用
@article{arxiv.2405.16664,
title = {Deep learning improved autofocus for motion artifact reduction and its application in quantitative susceptibility mapping},
author = {Chao Li and Jinwei Zhang and Hang Zhang and Jiahao Li and Pascal Spincemaille and Thanh D. Nguyen and Yi Wang},
journal= {arXiv preprint arXiv:2405.16664},
year = {2024}
}