MRecover：基于 AI 生成对比度恢复运动损坏 MR 图像的条件生成模型
计算机视觉与模式识别
2026-05-22 v1 人工智能
摘要
髋岛叶分割需要高分辨率 T2w turbo spin echo (TSE) MRI，但该序列易受运动伪影影响，导致大量数据丢失。我们开发了一个条件生成模型 (MRecover)，合成通常获取的 T1w 图像以创建具有自回归切片条件的 TSE 图像，以实现体积一致性。在 577 例 7T MRI 数据上训练，该模型实现了高保真度 (n=148, SSIM=0.84, FSIM=0.94) 和对 out-of-domain 3T 数据的良好泛化：合成图像和 as-acquired 图像的亚叶体积 closely matched：(n=416, r=0.87-0.97)，并在经质量控制后实现了 motion-affected ADNI3 数据集中可分析主体数量增加 31.8% (593 vs 450)。合成图像还由于增加了诊断组髋岛叶萎缩差异的样本量，实现了更大的效应大小（whole hippocampus = 0.121-0.100 vs. 0.086-0.062，左右半球）。项目页面：https://jinghangli98.github.io/MRecover/
引用
@article{arxiv.2605.21669,
title = {MRecover: A Conditional Generative Model for Recovering Motion-Corrupted MR images Using AI Generated Contrast},
author = {Jinghang Li and Tales Santini and Courtney Clark and Bruno de Almeida and Cong Chu and Salem Alkhateeb and Andrea Sajewski and Jacob Berardinelli and Hecheng Jin and Tobias Campos and Jeremy J. Berardo and Joseph Mettenburg and Ariel Gildengers and Howard J. Aizenstein and Minjie Wu and Tamer S. Ibrahim},
journal= {arXiv preprint arXiv:2605.21669},
year = {2026}
}