QID$^2$：一种基于图像条件的扩散模型用于DWI数据Q空间上采样
图像与视频处理
2024-09-05 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种图像条件扩散模型，用于从低角分辨率扩散加权成像（DWI）数据估计高角分辨率DWI。我们的模型称为QID，输入为一组低角分辨率DWI数据，用于估计目标梯度方向关联的DWI数据。我们采用带有跨注意力的U-Net架构，以保留参考图像的位置信息，进一步引导目标图像生成。我们在来自Human Connectome Project（HCP）数据集中筛选的单壳DWI样本上进行训练和评估。具体而言，我们对HCP梯度方向进行子采样，以产生低角分辨率DWI数据，然后训练QID以重建缺失的高角分辨率样本。我们将QID与两种最先进的生成对抗网络模型进行比较。我们的结果表明，QID不仅实现了更高质量的生成图像，而且在下游张量估计中始终优于GAN模型，在多个指标上均表现出色。综上所述，本研究凸显了扩散模型，尤其是QID在Q空间上采样中的潜力，为临床和研究应用提供了一套有前景的工具。
引用
@article{arxiv.2409.02309,
title = {QID$^2$: An Image-Conditioned Diffusion Model for Q-space Up-sampling of DWI Data},
author = {Zijian Chen and Jueqi Wang and Archana Venkataraman},
journal= {arXiv preprint arXiv:2409.02309},
year = {2024}
}
备注
Accepted at MICCAI 2024 International Workshop on Computational Diffusion MRI. Zijian Chen and Jueqi Wang contributed equally to this work