通过链式迭代重建极度加速的肝脏 4D MRI
图像与视频处理
2024-12-17 v1 人工智能
计算机视觉与模式识别
摘要
高质量的 4D MRI 需要获取覆盖所有呼吸相位的稠密 k 空间信号，这在实际操作中几乎不可能。加速稀疏采样后进行重建增强是所需方法，但常导致图像质量下降和重建时间延长。我们提出了链式迭代重建网络（CIRNet），实现高效稀疏采样重建，同时保持临床可部署的图像质量。方法方面，CIRNet 采用去噪扩散概率框架，通过随机迭代去噪过程实现图像重建。训练阶段，设计前向马尔可夫扩散过程，逐步向密集采样真实值（GT）添加高斯噪声，CIRNet 通过优化逆向马尔可夫过程，从前向输出出发进行迭代去噪。推理阶段，CIRNet 仅执行逆过程，以稀疏输入为条件恢复信号。CIRNet 将 4D 数据（3D+t）处理为时间切片（2D+t）。本框架在48名患者（12332个时间切片）的 数据集上评估，采用retrospective随机稀疏采样方案，分别测试了3倍、6倍、10倍、20倍和30倍加速。将压缩感知（CS）重建（带时空约束）和近期提出的深度网络 Re-Con-GAN 作为基准方法进行比较。结果表明，CIRNet 在所有加速比例下均优于 CS 和 Re-Con-GAN。CIRNet、CS 和 Re-Con-GAN 的推理时间分别为11秒、120秒和0.15秒。结论：本文提出了一种新框架CIRNet，CIRNet 在最高可达30倍的加速下仍保持可用图像质量，显著减轻了4D MRI 的负担。
引用
@article{arxiv.2412.10629,
title = {Rapid Reconstruction of Extremely Accelerated Liver 4D MRI via Chained Iterative Refinement},
author = {Di Xu and Xin Miao and Hengjie Liu and Jessica E. Scholey and Wensha Yang and Mary Feng and Michael Ohliger and Hui Lin and Yi Lao and Yang Yang and Ke Sheng},
journal= {arXiv preprint arXiv:2412.10629},
year = {2024}
}