MoCoNet：基于卷积神经网络方法的3D MPRAGE图像运动校正
图像与视频处理
2020-10-08 v1 计算机视觉与模式识别
机器学习
摘要
目的：抑制MR图像中的运动伪影是一项具有挑战性的任务。本文旨在开发一种独立的新型技术，利用数据驱动的深度学习方法来抑制MR图像中的运动伪影。方法：开发了一种深度学习卷积神经网络（CNN）以去除脑MR图像中的运动伪影。该CNN在模拟的运动损坏图像上进行训练，以识别并抑制由运动引起的伪影。该网络为一种编码器-解码器CNN架构，其中编码器将运动损坏图像分解为一组特征图。随后由解码器网络将这些特征图组合以生成运动校正后的图像。该网络在一个未见的模拟数据集以及一个实验性的、运动损坏的体内脑数据集上进行了测试。结果：训练后的网络能够抑制模拟运动损坏图像中的运动伪影，运动校正图像的平均百分比误差为2.69%，标准差为0.95%。该网络能够有效抑制实验数据集中的运动伪影，展示了训练网络的泛化能力。结论：已开发出一种新颖且通用的运动校正技术，可抑制运动损坏MR图像中的运动伪影。所提出的技术是一种独立的后处理方法，不干扰数据采集或重建参数，因此适用于多种MR序列。
引用
@article{arxiv.1807.10831,
title = {MoCoNet: Motion Correction in 3D MPRAGE images using a Convolutional Neural Network approach},
author = {Kamlesh Pawar and Zhaolin Chen and N. Jon Shah and Gary F. Egan},
journal= {arXiv preprint arXiv:1807.10831},
year = {2020}
}