基于模型的multi-parameter mapping(多参数映射)
计算机视觉与模式识别
2021-07-01 v2 图像与视频处理
应用统计
摘要
定量 MR(磁共振)成像因其更丰富的信息内容与标准化度量而日益受到青睐。然而,计算定量参数图(如编码纵向弛豫率 (R1)、表观横向弛豫率 (R2*) 或磁化转移饱和 (MTsat) 的图)涉及反演一个高度非线性的函数。许多推导参数图的方法假定测量完美,未考虑噪声在估计过程中的传播,导致不必要的含噪图像。相反,我们提出一个对整个数据集的概率生成(前向)模型,该模型被构建并反演以联合恢复具有明确定义概率解释(如最大似然或最大后验)的(对数)参数图。我们为模型拟合提出的二阶优化借助一种新颖的近似 Hessian 实现了快速且稳定的收敛。我们在利用流行的 multi-parameter mapping(多参数映射)协议获取的数据中恢复更精确图像的场景下展示了我们灵活框架的效用。我们还展示了如何引入联合全变分先验以进一步降低图像中的噪声,并指出概率公式允许估计所恢复参数图的不确定性。我们的实现采用 PyTorch 后端并受益于 GPU 加速。代码见 https://github.com/balbasty/nitorch。
引用
@article{arxiv.2102.01604,
title = {Model-based multi-parameter mapping},
author = {Yael Balbastre and Mikael Brudfors and Michela Azzarito and Christian Lambert and Martina F. Callaghan and John Ashburner},
journal= {arXiv preprint arXiv:2102.01604},
year = {2021}
}
备注
20 pages, 6 figures, accepted at Medical Image Analysis