基于重建驱动运动估计的运动补偿磁共振CINE重建
图像与视频处理
2024-08-19 v2 计算机视觉与模式识别
机器学习
摘要
在心脏CINE成像中，运动补偿磁共振重建（MCMR）是一种通过引入帧间运动信息来处理高度欠采样采集的有效方法。本文提出了一种解决MCMR问题的新视角，并为MCMR领域提供了一个更集成、更高效的解决方案。与当前最先进的（SOTA）MCMR方法将原始问题分解为两个子优化问题（即运动估计和重建）不同，我们将该问题表述为一个单一实体，进行统一优化。我们的方法独特之处在于，运动估计直接由最终目标——重建所驱动，而非由传统的运动扭曲损失（运动扭曲图像与目标图像之间的相似性度量）驱动。我们统一了运动估计与重建的目标，消除了受伪影影响的运动估计及其导致的误差传播重建的弊端。此外，我们无需应用任何正则化/平滑损失项即可提供高质量重建和逼真的运动，从而避免了繁琐的权重因子调节。我们在两个数据集上评估了我们的方法：1）用于回顾性研究的内部采集2D CINE数据集，以及2）用于前瞻性研究的公开OCMR心脏数据集。实验结果表明，即使在高达20倍的成像加速下，所提出的MCMR框架也能提供无伪影的运动估计和高质量的MR图像，在所有实验的定性和定量评估中均优于SOTA的非MCMR和MCMR方法。代码可在https://github.com/JZPeterPan/MCMR-Recon-Driven-Motion获取。
引用
@article{arxiv.2302.02504,
title = {Motion-compensated MR CINE reconstruction with reconstruction-driven motion estimation},
author = {Jiazhen Pan and Wenqi Huang and Daniel Rueckert and Thomas Küstner and Kerstin Hammernik},
journal= {arXiv preprint arXiv:2302.02504},
year = {2024}
}