基于迭代全局Transformer模型的MRI中任意级别对比剂剂量仿真
图像与视频处理
2023-07-25 v1 计算机视觉与模式识别
机器学习
摘要
鉴于钆基对比剂（GBCAs）的不良影响，基于深度学习（DL）的 MRI 成像中对比剂剂量降低与消除正日益受到关注。然而，这些 DL 算法受限于高质量低剂量数据集的可用性。此外，不同类型的 GBCAs 与病灶需要不同的剂量水平以使 DL 算法可靠工作。在本工作中，我们提出了一种基于新型 transformer（Gformer）的迭代建模方法，用于合成对应于不同剂量水平的任意对比度增强图像。所提出的 Gformer 结合了基于子采样的注意力机制与旋转偏移模块，以捕获各种对比度相关特征。定量评估表明，所提模型优于其他最先进的方法。我们进一步在下游任务（如剂量降低与肿瘤分割）上进行定量评估，以展示其临床效用。
引用
@article{arxiv.2307.11980,
title = {Simulation of Arbitrary Level Contrast Dose in MRI Using an Iterative Global Transformer Model},
author = {Dayang Wang and Srivathsa Pasumarthi and Greg Zaharchuk and Ryan Chamberlain},
journal= {arXiv preprint arXiv:2307.11980},
year = {2023}
}
备注
Accepted in MICCAI 2023