基于隐式神经表征的胎儿脑MRI切片到体积重建的元学习
图像与视频处理
2025-05-15 v1 人工智能
计算机视觉与模式识别
摘要
从多个运动失真的低分辨率2D切片进行高分辨率切片到体积重建（SVR）是针对移动主体（如胎儿脑磁共振成像，MRI）进行图像基础诊断的关键步骤。现有方法在处理图像伪影和严重运动，或需要切片预对齐才能实现满意的重建效果方面存在挑战。我们提出了一种新颖的SVR方法，使即使在严重图像和运动损坏情况下也能实现快速准确的MRI重建。该方法基于隐式神经表征，执行运动校正、异常值处理和超分辨率重建，所有操作均基于隐式神经表征。模型可通过对模拟数据或真实数据上的完全自监督元学习来初始化特定于任务的先验。我们在包括480多个来自不同中心的模拟和临床MRI脑部数据实验中，证明了该方法在严重运动和图像伪影情况下的实用性。我们的结果显示，相对于最先进的方法，重建质量得到提高，尤其是在严重运动情况下，重建时间可缩短最高50%。
引用
@article{arxiv.2505.09565,
title = {Meta-learning Slice-to-Volume Reconstruction in Fetal Brain MRI using Implicit Neural Representations},
author = {Maik Dannecker and Thomas Sanchez and Meritxell Bach Cuadra and Özgün Turgut and Anthony N. Price and Lucilio Cordero-Grande and Vanessa Kyriakopoulou and Joseph V. Hajnal and Daniel Rueckert},
journal= {arXiv preprint arXiv:2505.09565},
year = {2025}
}
备注
10 pages, 6 figures