多任务校正：基于联合重建与配准的运动补偿 MRI

本文探讨了磁共振成像（MRI）中的一个核心问题，即联合重建与配准框架下的运动校正问题。从一组受运动污染的多幅 MR 采集数据中，我们的目标是——联合地——重建一幅无运动的校正图像，并通过形变图恢复生理动态。为此，我们提出了一种新颖的变分模型。首先，我们引入一个 $L^2$ 保真项，它将重建与配准以及加权全变分交织在一起。其次，我们引入一个基于超弹性原理的附加正则化项，以允许大而光滑的形变。数值结果表明，这种组合在我们复杂的变分方法中产生了协同效应，从而实现更高质量的重建以及对呼吸动态的良好估计。我们还表明，在对比度、细节和模糊伪影方面，我们的联合模型优于顺序方法。