心脏DTI中SMS相关伪影去除的数据类型与模型维度综述

随着扩散张量成像（DTI）因其非侵入性评估心脏微结构的独特能力而在心脏成像中日益普及，基于深度学习的人工智能正成为缓解其某些缺点（如扫描时间长）的关键工具。在快节奏的研究环境中常出现的情况是，大量重点放在展示深度学习的能力上，而往往未投入足够时间研究哪些输入和架构特性最有利于心脏DTI加速。本工作中，我们比较了多种输入类型（幅度图像 vs 复图像）、多种维度（2D vs 3D操作）以及多种输入类型（单切片 vs 多切片）对用于去除同时多切片（SMS）采集所致伪影的模型性能的影响。尽管我们最初的直觉相反，实验表明在参数量固定时，更简单的2D实值模型优于其更先进的3D或复值对应模型。不过最佳性能由使用所采集数据的幅度和相位分量训练的实值模型取得。我们认为此现象源于实值模型更好地利用了较少的参数，以及3D模型因实验中使用的低SMS加速因子而无法利用空间信息。