利用条件深度学习降低脑部 MRI 的钆剂量
图像与视频处理
2024-03-07 v1 计算机视觉与模式识别
机器学习
摘要
近期，基于深度学习 (DL) 的方法被提出用于计算性减少钆基对比剂 (GBCAs) 的使用，以在保留诊断价值的同时减轻不良反应。目前，这些方法面临两大主要挑战：对比增强的准确预测和逼真图像的合成。在本工作中，我们通过利用预对比和后对比图像对的减影图像中编码的对比信号来应对这两大挑战。为避免合成任何噪声或伪影，并专注于从低剂量减影图像中提取和增强对比信号，我们使用无噪声的标准剂量减影图像作为目标来训练 DL 模型。因此，我们的模型仅预测对比增强信号，从而能够合成超越标准剂量的图像。此外，我们借鉴了近期基于扩散模型的嵌入思想，使我们的模型能够以影响对比增强行为的物理参数为条件。我们在包含各种扫描仪、场强和对比剂的合成及真实数据集上验证了该方法的有效性。
引用
@article{arxiv.2403.03539,
title = {Gadolinium dose reduction for brain MRI using conditional deep learning},
author = {Thomas Pinetz and Erich Kobler and Robert Haase and Julian A. Luetkens and Mathias Meetschen and Johannes Haubold and Cornelius Deuschl and Alexander Radbruch and Katerina Deike and Alexander Effland},
journal= {arXiv preprint arXiv:2403.03539},
year = {2024}
}