基于模型深度图像先验(MoDIP)的定量磁化率成像
图像与视频处理
2023-08-21 v1 计算机视觉与模式识别
摘要
监督学习方法中数据驱动的方法在解决定量磁化率成像(QSM)中不同物体扫描参数变化的偶极子反演问题时适用性有限。为解决监督QSM方法的这一泛化问题,我们提出了一种名为MoDIP(基于模型的深度图像先验,Model-based Deep Image Prior)的新型无训练、基于模型的 unsupervised 方法。MoDIP由一个小型未训练网络和一个数据保真优化(DFO)模块组成。该网络收敛到一个中间状态,作为图像正则化的隐式先验,而优化过程强制满足QSM偶极子反演的物理模型。实验结果表明,MoDIP在不同扫描参数下解决QSM偶极子反演问题时具有优异的泛化能力。它对病理性脑QSM具有鲁棒性,相比监督深度学习和传统迭代方法精度提升超过32%。其计算效率也提高33%,比传统基于DIP的方法快4倍,可在4.5分钟内实现3D高分辨率图像重建。
引用
@article{arxiv.2308.09467,
title = {Quantitative Susceptibility Mapping through Model-based Deep Image Prior (MoDIP)},
author = {Zhuang Xiong and Yang Gao and Yin Liu and Amir Fazlollahi and Peter Nestor and Feng Liu and Hongfu Sun},
journal= {arXiv preprint arXiv:2308.09467},
year = {2023}
}