IM-MoCo：基于运动引导的隐式神经表示的自监督 MRI 运动校正
图像与视频处理
2024-07-04 v1 计算机视觉与模式识别
机器学习
摘要
MRI 中的运动伪影源于相对较长的获取时间，可能损害获取图像的临床实用性。传统的运动校正方法常常无法处理严重的运动，导致失真和不可靠的结果。深度学习(DL)通过泛化缓解了此类问题，但代价是vanishing structures和幻觉，这在医疗领域应用具有挑战，因为幻觉结构会严重影响诊断结果。在本工作中，我们提出了一个利用运动引导的隐式神经表示(INR)实现的实例级运动校正管道，以减轻运动伪影的影响，同时保留解剖结构。我们使用 NYU fastMRI 数据集评估了该方法，并测试了不同程度的模拟运动。对于校正任务，我们可以比状态最好的图像重建方法提高 SSIM、 PSNR 和 HaarPSI。临床相关性通过后续实验演示，我们的方法比运动损坏的图像在分类结果上提高至少 的准确率百分点。
引用
@article{arxiv.2407.02974,
title = {IM-MoCo: Self-supervised MRI Motion Correction using Motion-Guided Implicit Neural Representations},
author = {Ziad Al-Haj Hemidi and Christian Weihsbach and Mattias P. Heinrich},
journal= {arXiv preprint arXiv:2407.02974},
year = {2024}
}
备注
Submitted to MICCAI 2024 (Before peer review version)