基于物理信息深度学习的运动校正定量脑部MRI重建
图像与视频处理
2024-06-25 v2
摘要
我们提出了PHIMO，一种专为定量MRI量身定制的、基于物理信息学习的运动校正方法。PHIMO利用信号演化中的信息，从数据一致性重建中排除受运动损坏的k空间线。我们展示了PHIMO在梯度回波MRI的T2*定量应用中的潜力，该应用由于对磁场不均匀性敏感而对运动特别敏感。目前最先进的运动校正技术需要冗余采集k空间中心，从而延长了采集时间。我们证明，PHIMO能够检测并排除扫描内的运动事件，从而校正严重的运动伪影。PHIMO的性能接近最先进的运动校正方法，同时将采集时间大幅缩短了40%以上，促进了临床适用性。我们的代码可在https://github.com/HannahEichhorn/PHIMO获取。
引用
@article{arxiv.2403.08298,
title = {Physics-Informed Deep Learning for Motion-Corrected Reconstruction of Quantitative Brain MRI},
author = {Hannah Eichhorn and Veronika Spieker and Kerstin Hammernik and Elisa Saks and Kilian Weiss and Christine Preibisch and Julia A. Schnabel},
journal= {arXiv preprint arXiv:2403.08298},
year = {2024}
}
备注
Accepted at MICCAI 2024