基于空间对齐网络辅助的多模态 MRI 重建
图像与视频处理
2022-04-05 v3 计算机视觉与模式识别
摘要
在临床实践中，通常会在一次检查中采集具有不同对比度的多模态磁共振成像（MRI），以评估人体同一感兴趣区域的不同特性。通过使一个或多个模态在 空间欠采样，可加速整个采集过程。近期研究表明，考虑到不同模态间的冗余性，在 空间欠采样的目标 MRI 模态可借助全采样的参考 MRI 模态更高效地进行重建。然而，我们发现上述多模态重建的性能会受到不同模态间细微空间错位的负面影响，而这在临床实践中实则常见。本文中，我们通过空间对齐网络补偿此类空间错位，从而提升多模态重建质量。首先，我们的空间对齐网络估计全采样参考图像与欠采样目标图像之间的位移，并相应地对参考图像进行形变。随后，对齐后的全采样参考图像参与欠采样目标图像的多模态重建。此外，考虑到目标与参考图像间的对比度差异，我们设计了一种基于跨模态合成的配准损失，并结合重建损失，以联合训练空间对齐网络与重建网络。在临床 MRI 与多线圈 空间原始数据上的实验证明了由我们的空间对齐网络赋能的多模态 MRI 重建的优越性与鲁棒性。我们的代码已公开于 \url{https://github.com/woxuankai/SpatialAlignmentNetwork}。
引用
@article{arxiv.2108.05603,
title = {Multi-Modal MRI Reconstruction Assisted with Spatial Alignment Network},
author = {Kai Xuan and Lei Xiang and Xiaoqian Huang and Lichi Zhang and Shu Liao and Dinggang Shen and Qian Wang},
journal= {arXiv preprint arXiv:2108.05603},
year = {2022}
}
备注
Final version, IEEE Transactions on Medical Imaging, code available at \url{https://github.com/woxuankai/SpatialAlignmentNetwork}