基于边缘损失的低 SNR 心脏 MRI 组间图像配准
图像与视频处理
2025-05-26 v2
摘要
目的：对进行多次自由呼吸单拍 cardiac 图像的图像配准与平均，其中 individual 图像可能具有低信噪比（SNR）。方法：为应对单拍成像中遇到的低 SNR，尤其是在低场强下，本文提出一种快速基于深度学习（DL）的图像配准方法，称为 Averaging Morph with Edge Detection（AiM-ED）。AiM-ED 联合将多个噪声 source 图像配准到噪声 target 图像，并利用 noise-robust 预训练边缘检测器定义 training loss。我们使用合成晚期腺钙化增强（LGE）图像来验证 AiM-ED，这些图像来自 MR extended cardiac-torso（MRXCAT）幽灵 phantom 和来自健康受试者（24 切片）和患者（5 切片）的自由呼吸单拍 LGE 图像，在 various levels of added noise 下进行测试。此外，我们演示了 AiM-ED 的临床可行性，通过将其应用于 0.55T 扫描仪上扫描的患者数据（6 切片）进行验证。结果：与传统基于能量最小化的图像配准方法和基于 DL 的 VoxelMorph 相比，使用 AiM-ED 注册的图像在 recovery SNR 和三个感知图像质量指标上表现更好。消融研究表明，AiM-ED 同时处理多个 source 图像以及使用边缘图的做法都具有优势。结论：对于单拍 LGE 成像，AiM-ED 在图像质量方面优于现有图像配准方法。凭借快速推理、最小化 training data 要求以及在 various noise 水平下的 robust performance，AiM-ED 有潜力为单拍 CMR 应用带来益处。
引用
@article{arxiv.2409.02348,
title = {Groupwise Image Registration with Edge-Based Loss for Low-SNR Cardiac MRI},
author = {Xuan Lei and Philip Schniter and Chong Chen and Rizwan Ahmad},
journal= {arXiv preprint arXiv:2409.02348},
year = {2025}
}