用于磁共振成像中无监督运动伪影抑制的显式异常提取

运动伪影损害磁共振成像（MRI）质量，并对实现诊断结果与图像引导治疗构成挑战。近年来，有监督深度学习方法已成为运动伪影抑制（MAR）的成功方案。这些方法的一个弊端是依赖获取成对的受运动伪影污染（MA-corrupted）与无运动伪影（MA-free）MR 图像用于训练。获取此类图像对困难，因而限制了有监督训练的应用。本文提出一种新颖的无监督异常提取网络（UNAEN）以缓解该问题。我们的网络能处理不成对的 MA-corrupted 与 MA-free 图像。它通过使用所提出的伪影提取器从 MA-corrupted 图像中显式截取残差伪影图，以及用重建器从 MA-reduced 图像恢复原始输入，将 MA-corrupted 图像转换为 MA-reduced 图像。UNAEN 的性能通过在多个公开可用 MRI 数据集上实验并与最先进方法比较来评估。定量评估展示了 UNAEN 相对于其他 MAR 方法的优越性，且视觉上呈现更少残差伪影。我们的结果证实了 UNAEN 作为真实临床环境中可行方案的潜力，能够提升诊断准确率并促进图像引导治疗。我们的代码公开于 https://github.com/YuSheng-Zhou/UNAEN。