面向方向自适应定量磁化率映射神经网络的即插即用隐特征编辑
图像与视频处理
2024-03-27 v2
摘要
定量磁化率映射(QSM)是一种从MRI相位测量中推导组织磁化率分布的后期处理技术。深度学习(DL)算法在解决不适定QSM重建问题方面具有巨大潜力。然而,当前DL-QSM方法面临的一个重大挑战是它们在训练和测试期间对磁偶极场方向变化的适应性有限。在本工作中,我们提出了一种新颖的方向自适应隐特征编辑(OA-LFE)模块,用于学习采集方向向量的编码并无缝集成到深度网络的隐特征中。重要的是,它可以直接即插即用(PnP)到各种现有DL-QSM架构中,从而实现任意磁偶极方向的QSM重建。通过将OA-LFE模块结合到我们之前提出的相位到磁化率单步即时QSM(iQSM)网络中,证明了其有效性,该网络最初是为纯轴向采集量身定制的。所提出的OA-LFE增强型iQSM(我们称之为iQSM+)在一个专门设计的仿真脑数据集上以自监督方式进行训练。在仿真和体内人脑数据集上进行了全面实验,涵盖从健康个体到病理状态受试者的对象。这些实验涉及各种MRI平台(3T和7T),旨在将我们提出的iQSM+与几种已建立的QSM重建框架(包括原始iQSM)进行比较。iQSM+生成的QSM图像精度显著提高并减轻了伪影,超越了其他最先进的DL-QSM算法。
引用
@article{arxiv.2311.07823,
title = {Plug-and-Play Latent Feature Editing for Orientation-Adaptive Quantitative Susceptibility Mapping Neural Networks},
author = {Yang Gao and Zhuang Xiong and Shanshan Shan and Yin Liu and Pengfei Rong and Min Li and Alan H Wilman and G. Bruce Pike and Feng Liu and Hongfu Sun},
journal= {arXiv preprint arXiv:2311.07823},
year = {2024}
}
备注
13pages, 9figures