基于运动信息的脑部 MR 图像重建框架

Zhifeng Chen; Kamlesh Pawar; Kh Tohidul Islam; Himashi Peiris; Gary Egan; Zhaolin Chen

基于运动信息的脑部 MR 图像重建框架

图像与视频处理 2024-05-29 v1 计算机视觉与模式识别机器学习医学物理

作者: Zhifeng Chen , Kamlesh Pawar , Kh Tohidul Islam , Himashi Peiris , Gary Egan , Zhaolin Chen

摘要

磁共振成像 (MRI) 中的运动伪影是由于患者在扫描过程中发生运动而导致的常见伪影之一;约有 30% 的临床 MRI 检查中存在运动;然而，运动尚未在深度学习图像重建模型中被显式建模。深度学习 (DL) 算法已被证明对图像重建任务和运动校正任务都有效，但这两个任务被视为互异的。图像重建任务涉及去除欠采样伪影，如噪声和混叠伪影;而运动校正则涉及去除包括模糊、幽灵化和环形等伪影。本文提出了一种新方法，用于同时加速成像并校正运动。通过将运动模块集成到基于深度学习的 MRI 重建过程中，实现了对运动的实时检测和校正。在训练期间，我们将运动建模为深度学习模型中的一个紧密集成的辅助层，使深度学习模型具备'运动感知'能力。在推断阶段，使用训练好的运动感知深度学习模型从欠采样的原始 k 空间数据中进行图像重建。实验结果表明，所提出的运动感知深度学习图像重建网络在运动降解的 MRI 数据集上优于传统图像重建网络。

关键词

深度学习 MRI 重建运动校正 k 空间图像伪影

引用

@article{arxiv.2405.17756,
  title  = {Motion-Informed Deep Learning for Brain MR Image Reconstruction Framework},
  author = {Zhifeng Chen and Kamlesh Pawar and Kh Tohidul Islam and Himashi Peiris and Gary Egan and Zhaolin Chen},
  journal= {arXiv preprint arXiv:2405.17756},
  year   = {2024}
}

备注

22 pages, 7 figures, 4 tables

基于运动信息的脑部 MR 图像重建框架

摘要

关键词

引用

备注

相关论文