MBD：基于多b值的扩散磁共振图像去噪
图像与视频处理
2024-10-23 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种使用卷积神经网络对扩散磁共振图像（dMRI）进行去噪的新方法，该方法利用多b值数据的优势来弥补对大量冗余观测的需求。去噪在dMRI中尤为重要，因为噪声对量化精度和图像预处理都有有害影响。迄今为止最成功的方法，如Marchenko-Pastur主成分分析（MPPCA）去噪，是针对许多编码方向的扩散加权重复而设计的。它们利用了数据集的高冗余性，该数据集对扩散编码方向空间进行了过采样，因为许多方向具有共线分量。然而，许多dMRI技术并不需要大量的编码方向或重复，因此不太适合这种方法。例如，临床dMRI检查可能仅包含三个编码方向，方向间的冗余度低或可忽略。此外，新兴的dMRI技术，如球面b张量编码（STE），在高b值下受益，同时在单次采集中对沿所有方向的扩散信号敏感。我们提出了一种卷积神经网络方法，称为基于多b值的去噪（MBD）。MBD利用沿同一扩散编码方向但不同b值下的扩散加权图像（DWI）的相似性。它能够在仅使用少量输入图像的情况下，对高噪声方差的扩散图像进行去噪，同时避免模糊。
引用
@article{arxiv.2410.16898,
title = {MBD: Multi b-value Denoising of Diffusion Magnetic Resonance Images},
author = {Jakub Jurek and Andrzej Materka and Kamil Ludwisiak and Agata Majos and Filip Szczepankiewicz},
journal= {arXiv preprint arXiv:2410.16898},
year = {2024}
}
备注
this is a biomedical engineering work using machine learning to enhance medical images