基于数据驱动方法的 FSE 补偿 MRI 运动校正
信号处理
2022-07-05 v1
摘要
磁共振成像（MRI）是一种广泛使用的医学成像方式，具有优异的软组织对比度且无电离辐射，但不幸的是采集时间较长。较长的扫描时间会导致运动伪影，例如由于患者整体运动（如头部运动）以及心脏或肺部产生的周期性运动。运动伪影会降低图像质量，在某些情况下使扫描无法用于诊断。为应对此问题，已引入前瞻性和回顾性运动校正技术。最近，使用深度神经网络的数据驱动方法被提出。由于大量公开可用的 MRI 数据集基于快速自旋回波（FSE）序列，使用它们进行训练的方法应纳入正确的 FSE 采集动力学。不幸的是，在模拟训练数据时，许多方法未能通过忽略 k 空间线的时序排序效应以及忽略整个 FSE 回波链中的信号衰减来生成准确的运动 corrupted 图像。在本工作中，我们强调了这一后果，并展示了一种训练方法，该方法通过包含采样排序和信号衰减动力学，以更高保真度正确模拟 FSE 序列的数据采集过程。通过数值实验，我们表明考虑 FSE 采集可在推理时带来更好的运动校正性能。
引用
@article{arxiv.2207.00656,
title = {FSE Compensated Motion Correction for MRI Using Data Driven Methods},
author = {Brett Levac and Sidharth Kumar and Sofia Kardonik and Jonathan I. Tamir},
journal= {arXiv preprint arXiv:2207.00656},
year = {2022}
}