多线圈MRI重建挑战赛——评估脑MRI重建模型及其对不同线圈配置的可泛化性
图像与视频处理
2021-12-23 v2 机器学习
医学物理
摘要
基于深度学习的脑磁共振成像(MRI)重建方法有望加速MRI采集过程。然而，科学界缺乏合适的基准来评估高分辨率脑图像的MRI重建质量，并考察这些算法在出现微小但可预期的数据分布偏移时的表现。多线圈磁共振图像(MC-MRI)重建挑战赛提供了一个旨在解决这些问题的基准，其使用大规模高分辨率三维T1加权MRI扫描数据集。该挑战有两个主要目标：1)在此数据集上比较不同MRI重建模型；2)评估这些模型对以不同接收线圈数量所采集数据的可泛化性。本文描述挑战的实验设计，并总结一组基线与当前最优脑MRI重建模型的结果。我们提供关于当前MRI重建最优水平的比较信息，并强调在广泛临床采用前获取所需可泛化模型所面临的挑战。MC-MRI基准数据、评估代码与当前挑战排行榜均公开可用，为脑MRI重建领域的未来发展提供客观性能评估。
引用
@article{arxiv.2011.07952,
title = {Multi-Coil MRI Reconstruction Challenge -- Assessing Brain MRI Reconstruction Models and their Generalizability to Varying Coil Configurations},
author = {Youssef Beauferris and Jonas Teuwen and Dimitrios Karkalousos and Nikita Moriakov and Mattha Caan and George Yiasemis and Lívia Rodrigues and Alexandre Lopes and Hélio Pedrini and Letícia Rittner and Maik Dannecker and Viktor Studenyak and Fabian Gröger and Devendra Vyas and Shahrooz Faghih-Roohi and Amrit Kumar Jethi and Jaya Chandra Raju and Mohanasankar Sivaprakasam and Mike Lasby and Nikita Nogovitsyn and Wallace Loos and Richard Frayne and Roberto Souza},
journal= {arXiv preprint arXiv:2011.07952},
year = {2021}
}