基于辐射扩散生成模型的自监督胎儿 MRI 三维重建
图像与视频处理
2023-10-17 v1 计算机视觉与模式识别
机器学习
摘要
尽管使用多个栈可以处理层到体运动校正与伪影去除问题，仍存在若干不足：1）层到体方法通常以切片为输入，无法解决不同胎儿 MRI 栈在区域上强度分布均匀性与互补性的问题；2）未考虑三维空间的完整性，这对胎儿 MRI 中全局一致信息的判别与生成产生不利影响；3）真实世界中具有严重运动伪影的胎儿 MRI 无法实现高质量超分辨率重建。针对这些问题，我们提出了一种新颖的胎儿脑 MRI 高质量体重建方法，称为辐射扩散生成模型（RDGM）。它是一种自监督生成方法，融合了基于坐标生成的神经辐射场（NeRF）思想与基于超分辨率生成的扩散模型。为解决不同方向上的区域强度异质性，我们使用预训练的 transformer 模型进行切片配准，进而提出一种新的区域一致隐式神经表示（CINR）网络子模块。CINR 可通过结合两个不同坐标映射空间的坐标关联图来生成初始体。为增强体全局一致性与判别性，我们引入了体扩散超分辨率生成（VDSG）机制。利用扩散生成思想进行体到体的全局强度判别生成，而 CINR 成为体到体扩散模型的偏差强度生成网络。最后，在真实世界胎儿脑 MRI 栈上的实验结果证明了我们方法的最先进性能。
引用
@article{arxiv.2310.10209,
title = {Self-supervised Fetal MRI 3D Reconstruction Based on Radiation Diffusion Generation Model},
author = {Junpeng Tan and Xin Zhang and Yao Lv and Xiangmin Xu and Gang Li},
journal= {arXiv preprint arXiv:2310.10209},
year = {2023}
}