MotionDPS：基于运动补偿的 3D 大脑 MRI 重建
计算机视觉与模式识别
2026-05-22 v1
摘要
磁性共振成像 (MRI) 因获取时间相对较长且数据在 k 空间中顺序获取，容易受到患者运动的影响。即使是小幅患者运动，也会导致测量之间相位不一致，引起严重的伪影，如模糊、鬼影和几何畸变，可能影响诊断质量。针对加速获取中存在的图像重建与运动估计联合问题的难题，本文提出了一种统一的贝叶斯框架，用于运动补偿性 3D MRI，联合估计解剖学图像、刚体运动参数和线圈灵敏度图，直接从运动扰乱的 k 空间数据中实现。我们的方法将预训练的 3D 复数型扩分数模型作为表征性解剖学图像先验，集成到基于物理的前向模型中。通过交替进行扩分后验图像更新与高效的运动和线圈灵敏度估计的近端优化步骤来实现推断，实现无需配对运动-free 训练数据的完全无监督重建。在模拟和真实运动大脑 MRI 数据集上的实验表明，所提方法在运动鲁棒性和图像质量方面优于现有的基于经典和学习的方法进行的运动纠正技术，尤其在严重运动和高加速情况下表现更为突出。
引用
@article{arxiv.2605.22121,
title = {MotionDPS: Motion-Compensated 3D Brain MRI Reconstruction},
author = {Antonio Ortiz-Gonzalez and Erich Kobler and Lukas Schletter and Alexander Effland},
journal= {arXiv preprint arXiv:2605.22121},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication