利用卷积神经网络减少肝脏动态对比增强 MRI 运动伪影的方法
计算机视觉与模式识别
2020-03-02 v2 机器学习
摘要
目的：利用深度学习方法改善包含运动伪影与模糊的动态对比增强 MRI（DCE-MRI）图像质量。方法：提出一种基于多通道卷积神经网络（MARC）的方法，用于减少肝脏 DCE-MRI 图像中由呼吸运动引起的运动伪影与模糊。神经网络的训练数据集包含有与无呼吸运动伪影或模糊的图像，且失真通过模拟 k 空间中的相位误差生成。患者研究采用包含数据采集期间屏气失败的多期 T1 加权扰相梯度回波序列对肝脏进行扫描。将训练好的网络应用于所采集图像以分析滤波性能，并通过 Bland-Altman 图比较去噪前后的强度与对比度比。结果：所提网络显著降低了呼吸运动引起的伪影与模糊幅度，且经网络处理后图像的对比度比与未处理图像一致。结论：展示并验证了一种基于深度学习去除肝脏 DCE-MRI 图像中运动伪影的方法。
引用
@article{arxiv.1807.06956,
title = {Method for motion artifact reduction using a convolutional neural network for dynamic contrast enhanced MRI of the liver},
author = {Daiki Tamada and Marie-Luise Kromrey and Hiroshi Onishi and Utaroh Motosugi},
journal= {arXiv preprint arXiv:1807.06956},
year = {2020}
}
备注
11 pages, 6 figures