EMORe：基于期望最大化引导的分箱校正与异常值剔除的运动鲁棒5D MRI重建
图像与视频处理
2025-08-01 v1 信号处理
摘要
我们提出了 EMORe，一种自适应重建方法，旨在增强自由运行、自由呼吸自门控 5D 心脏磁共振成像（MRI）的运动鲁棒性。传统的基于自门控的 5D MRI 运动分箱通常由于心脏与呼吸信号提取的不准确性以及偶发的整体运动，导致残余运动伪影，从而损害临床实用性。EMORe 通过在期望最大化（EM）框架内整合自适应分箱间校正与显式异常值剔除来解决这些问题，其中 E 步和 M 步交替执行直至收敛。在 E 步中，通过纠正有效数据的错误分配并将运动损坏的数据拒入专用异常值箱，来细化概率（软）分箱分配。在 M 步中，使用细化后的软分箱分配来改进图像估计。在模拟的 5D MRXCAT 体模中的验证表明，与标准压缩感知重建相比，EMORe 表现出更优越的性能，在不同程度的模拟整体运动下，峰值信噪比、结构相似性指数、边缘锐度和分箱分配准确性均有显著改善。在 13 名志愿者中进行的体内验证进一步证实了 EMORe 的鲁棒性，与压缩感知相比，显著增强了血液-心肌边缘锐度并减少了运动伪影，尤其是在受控咳嗽诱发运动的场景中。尽管 EMORe 增加了适度的计算复杂度，但其对整体运动伪影的适应性处理与鲁棒性显著提升了 5D 心脏 MRI 的临床适用性与诊断置信度。
引用
@article{arxiv.2507.23224,
title = {EMORe: Motion-Robust 5D MRI Reconstruction via Expectation-Maximization-Guided Binning Correction and Outlier Rejection},
author = {Syed M. Arshad and Lee C. Potter and Yingmin Liu and Christopher Crabtree and Matthew S. Tong and Rizwan Ahmad},
journal= {arXiv preprint arXiv:2507.23224},
year = {2025}
}