Res-MoCoDiff: 用于脑部MRI运动伪影校正的残差引导扩散模型
计算机视觉与模式识别
2026-01-16 v2 医学物理
摘要
目的：脑部MRI中的运动伪影，主要源于刚性头部运动，会降低图像质量并阻碍下游应用。减轻这些伪影的常规方法，包括重复采集或运动跟踪，给工作流程带来了负担。本研究引入了Res-MoCoDiff，这是一种专门为MRI运动伪影校正设计的高效去噪扩散概率模型。方法：Res-MoCoDiff在前向扩散过程中利用了一种新颖的残差误差偏移机制，以整合来自运动损坏图像的信息。该机制使模型能够模拟噪声演化，其概率分布与损坏数据紧密匹配，从而实现了仅需四步的反向扩散过程。该模型采用U-net骨干网络，并将注意力层替换为Swin Transformer块，以增强跨分辨率的鲁棒性。此外，训练过程集成了组合的l1+l2损失函数，这有助于提高图像清晰度并减少像素级误差。Res-MoCoDiff在一个使用真实运动模拟框架生成的计算机模拟数据集和一个体内MR-ART数据集上进行了评估。使用PSNR、SSIM和NMSE等定量指标，与包括CycleGAN、Pix2pix以及基于视觉Transformer骨干的扩散模型在内的现有方法进行了对比分析。主要结果：所提出的方法在去除轻微、中度和重度失真水平的运动伪影方面均表现出优越的性能。Res-MoCoDiff始终取得了最高的SSIM和最低的NMSE值，对于轻微失真，PSNR高达41.91±2.94 dB。值得注意的是，平均采样时间减少到每批两个图像切片0.37秒，而传统方法为101.74秒。
引用
@article{arxiv.2505.03498,
title = {Res-MoCoDiff: Residual-guided diffusion models for motion artifact correction in brain MRI},
author = {Mojtaba Safari and Shansong Wang and Qiang Li and Zach Eidex and Richard L. J. Qiu and Chih-Wei Chang and Hui Mao and Xiaofeng Yang},
journal= {arXiv preprint arXiv:2505.03498},
year = {2026}
}