基于密集连接 U-Net 与 GAN 引导训练的腹部 MRI 呼吸运动校正
图像与视频处理
2019-06-25 v1 人工智能
摘要
腹部磁共振成像(MRI)为标准诊断中表征组织与定位患者病灶提供了直接手段。然而，腹部 MRI 常受呼吸运动伪影影响，导致模糊与鬼影，显著恶化成像质量。减少 or 消除这些运动伪影的传统方法包括屏气、患者镇静、呼吸门控及图像后处理，但这些策略不可避免地涉及额外扫描时间与患者不适。本文中，我们提出一种基于深度学习的新模型，从呼吸运动伪影中恢复 MR 图像。所提模型由带生成对抗网络(GAN)引导训练与感知损失函数的密集连接 U-net 组成。我们使用受合成与真实呼吸伪影不利影响的多样化 MRI 数据集合验证模型，展示了运动去除的有效结果。实验结果表明，基于深度学习的方法在腹部 MRI 呼吸运动校正中具有巨大潜力。
引用
@article{arxiv.1906.09745,
title = {Respiratory Motion Correction in Abdominal MRI using a Densely Connected U-Net with GAN-guided Training},
author = {Wenhao Jiang and Zhiyu Liu and Kit-Hang Lee and Shihui Chen and Yui-Lun Ng and Qi Dou and Hing-Chiu Chang and Ka-Wai Kwok},
journal= {arXiv preprint arXiv:1906.09745},
year = {2019}
}
备注
8 pages, 4 figures, submitted to the 22nd International Conference on Medical Image Computing and Computer Assisted Intervention