利用非配对数据学习 MRI 伪影去除
图像与视频处理
2021-10-12 v1 计算机视觉与模式识别
机器学习
摘要
回顾性伪影校正（RAC）在采集后改善图像质量并提升图像可用性。近期由机器学习驱动的 RAC 技术主要基于监督学习，因此其实用性可能受限，因为具有配对的无伪影与含伪影图像的数据通常不足甚至不存在。在此我们表明，不需要的图像伪影可通过一个以非配对数据学习的 RAC 神经网络从图像中解耦并去除。这意味着我们的方法无需通过采集收集或通过仿真生成配对的含伪影数据。实验结果表明，我们的方法在去除伪影和保留不同对比度图像中的解剖细节方面极为有效。
引用
@article{arxiv.2110.04604,
title = {Learning MRI Artifact Removal With Unpaired Data},
author = {Siyuan Liu and Kim-Han Thung and Liangqiong Qu and Weili Lin and Dinggang Shen and Pew-Thian Yap},
journal= {arXiv preprint arXiv:2110.04604},
year = {2021}
}