基于合成数据调优提示学习的鲁棒高分辨率多器官扩散MRI
计算机视觉与模式识别
2025-10-20 v1 人工智能
医学物理
摘要
多 shot 扩散加权磁共振成像（multi-shot DWI）在全身肿瘤诊断中受到严重的呼吸、腹动和等运动引起的相位伪影限制，此外还受制于多器官、多切片、多方向和多 b 值复杂度。本文引入了重建框架 LoSP-Prompt，通过物理建模和合成数据驱动的提示学习来克服这些挑战。我们将 shot 间相位变化建模为高阶局部光滑相位（LoSP），并集成到低秩 Hankel 矩阵重建中。关键在于，该算法的秩参数通过仅在模拟生理运动的合成腹部 DWI 数据上训练的提示学习自动设置。经 10,000 多张临床图像（43 名受试者、4 种扫描仪型号、5 个中心）验证，LoSP-Prompt：(1) 实现了临床单 shot DWI 的两倍空间分辨率，增强肝脏病灶可视性；(2) 单一模型适用于七种多样化解剖区域（肝脏、肾脏、骶骶髂关节、骨盆、膝关节、脊髓、脑）；(3) 在图像质量、伪影抑制和降噪方面超越了最先进的方法（11 名放射科医生在 5 分制上的评估，），在肝脏、骶骶髂关节和脊髓 DWI 上达到 4 分（良好至优秀），在肝脏 DWI 上达到 4 分（良好至优秀），在膝关节和脑肿瘤上达到 3-4 分（良好）。该方法消除导航信号和真实数据监督，提供一种可解释、稳健的高分辨率多器官多 shot DWI 解决方案。其扫描仪不可辨的性能标志着其在精密肿瘤学中的变革性潜力。
引用
@article{arxiv.2510.15400,
title = {Robust High-Resolution Multi-Organ Diffusion MRI Using Synthetic-Data-Tuned Prompt Learning},
author = {Chen Qian and Haoyu Zhang and Junnan Ma and Liuhong Zhu and Qingrui Cai and Yu Wang and Ruibo Song and Lv Li and Lin Mei and Xianwang Jiang and Qin Xu and Boyu Jiang and Ran Tao and Chunmiao Chen and Shufang Chen and Dongyun Liang and Qiu Guo and Jianzhong Lin and Taishan Kang and Mengtian Lu and Liyuan Fu and Ruibin Huang and Huijuan Wan and Xu Huang and Jianhua Wang and Di Guo and Hai Zhong and Jianjun Zhou and Xiaobo Qu},
journal= {arXiv preprint arXiv:2510.15400},
year = {2025}
}
备注
43 pages, 27 figures