MotionTTT：基于2D测试时训练的3D运动估计用于3D运动校正MRI
图像与视频处理
2024-09-17 v1 计算机视觉与模式识别
摘要
磁共振成像 (MRI) 是一种重要的医学成像技术，其长时间测量是个挑战，患者在数据采集期间可能移动，从而导致重构图像和体积中出现严重的运动伪影。本文提出一种基于深度学习的测试时训练方法，用于精确运动估计。关键思想是：针对无运动重构训练的神经网络在无运动时损失最小，因此通过优化通过重构网络传递的运动参数，可实现对运动的准确估计。估计到的运动参数用于校正运动并重构准确的运动校正图像。本方法使用2D重构网络估计3D中的刚性运动，是首个针对3D刚性运动估计的深度学习方法，以实现3D运动校正MRI。我们对简单信号和神经网络模型证明了该方法可证明地重构运动参数。我们展示了该方法在retrospectively 模拟的运动和prospectively 收集的真实运动损坏数据上的有效性。
引用
@article{arxiv.2409.09370,
title = {MotionTTT: 2D Test-Time-Training Motion Estimation for 3D Motion Corrected MRI},
author = {Tobit Klug and Kun Wang and Stefan Ruschke and Reinhard Heckel},
journal= {arXiv preprint arXiv:2409.09370},
year = {2024}
}