面向非配对低场至超高场 MRI 合成的 pretext task 对抗学习
图像与视频处理
2025-03-10 v1 计算机视觉与模式识别
摘要
鉴于高场 MRI 的稀缺性和成本，在下游任务（例如分割）训练数据有限时，从低场 MRI 合成高场 MRI 具有巨大潜力。与高场 MRI 相比，低场 MRI 通常具有较低的信号噪声比 (SNR) 和空间分辨率。然而，合成高场 MRI 数据面临诸多挑战。这涉及在跨域对齐图像特征的同时，保持解剖学准确性并增强精细细节。为了应对这些挑战，我们提出了一种用于从低场 MRI 数据合成高场 MRI 的 pretext task 对抗 (PTA) 学习框架。该框架包含三个过程：(1) 切片间隙感知 (SGP) 网络基于对比学习对齐低场和高场数据集的切片不一致性。(2) 局部结构校正 (LSC) 网络通过恢复局部旋转和掩码的图像来提取局部结构。(3) pretext task 引导的对抗训练过程引入额外监督并结合判别器以提高图像真实性。在低场至超高场任务上的大量实验证明了我们方法的有效性，达到了最先进的性能（FID 为 16.892，IS 为 1.933，MS-SSIM 为 0.324）。这使得能够从低场 MRI 数据生成高质量的高场类 MRI 数据，以增强下游任务的训练数据集。代码可在以下地址获取：https://github.com/Zhenxuan-Zhang/PTA4Unpaired_HF_MRI_SYN。
引用
@article{arxiv.2503.05339,
title = {Pretext Task Adversarial Learning for Unpaired Low-field to Ultra High-field MRI Synthesis},
author = {Zhenxuan Zhang and Peiyuan Jing and Coraline Beitone and Jiahao Huang and Zhifan Gao and Guang Yang and Pete Lally},
journal= {arXiv preprint arXiv:2503.05339},
year = {2025}
}