检测心血管 MRI 的呼吸运动伪影以确保高质量分割
图像与视频处理
2022-09-21 v1 计算机视觉与模式识别
摘要
尽管机器学习方法在其训练域上表现良好，但在真实世界应用中往往容易失效。在心血管磁共振成像（CMR）中，呼吸运动在采集质量及后续分析与最终诊断方面构成主要挑战。我们提出一种针对 CMRxMotion 2022 挑战赛的工作流，用于预测 CMR 中呼吸运动的严重度评分。这是一项供技术员在采集期间即时反馈 CMR 质量的重要工具，因为低质量图像可在患者尚在附近时直接重新采集。因此，我们的方法确保在将所采 CMR 用于进一步诊断前达到特定质量标准。进而，它可在严重运动伪影情况下避免耗时且昂贵的重新采集，为恰当诊断提供高效基础。结合我们的分割模型，这能通过提供完整流程来保证心血管扫描的恰当质量评估与真实分割，协助心脏病学家与技术员的日常工作。代码库可在 https://github.com/MECLabTUDA/QA_med_data/tree/dev_QA_CMRxMotion 获取。
引用
@article{arxiv.2209.09678,
title = {Detecting respiratory motion artefacts for cardiovascular MRIs to ensure high-quality segmentation},
author = {Amin Ranem and John Kalkhof and Caner Özer and Anirban Mukhopadhyay and Ilkay Oksuz},
journal= {arXiv preprint arXiv:2209.09678},
year = {2022}
}