基于去噪扩散概率模型的磁共振指纹
图像与视频处理
2024-12-19 v2 计算机视觉与模式识别
机器学习
摘要
磁共振指纹 (MRF) 是一种高效的定性 MRI 方法，能够从单次加速扫描中映射多个组织属性。然而，在高度加速和欠采样获取的情况下，实现准确重建仍然具有挑战性，这对于缩短扫描时间至关重要。虽然深度学习技术已推动图像重建，但近期出现的扩散模型为 imaging 任务提供了新可能，尽管在医学领域的应用仍处于初级阶段。值得注意的是，扩散模型尚未被用于 MRF 问题。本文首次提出了用于 MRF 图像重建的条件扩散概率模型。针对体内脑扫描数据进行的定性和定量比较表明，所提出的方法能够超越现有的深度学习和压缩感知算法在 MRF 重建方面的表现。广泛的消融研究还探讨了提高方法计算效率的策略。
引用
@article{arxiv.2410.23318,
title = {Denoising Diffusion Probabilistic Models for Magnetic Resonance Fingerprinting},
author = {Perla Mayo and Carolin M. Pirkl and Alin Achim and Bjoern H. Menze and Mohammad Golbabaee},
journal= {arXiv preprint arXiv:2410.23318},
year = {2024}
}
备注
13 pages, 5 figures, 3 tables, 2 algorithms