加速 MRI 中的图像质量改善与伪影校正
计算机视觉与模式识别
2025-12-01 v1 人工智能
医学物理
摘要
MRI 数据以频域方式获取，称为 k 空间。获取高质量高分辨率 MRI 图像是耗时的，在需要获取提供互补对比信息的多个序列或患者无法在扫描仪中保持长时间时，构成重大挑战。减少 k 空间测量是加快采集速度的策略，但常导致重建图像质量下降。此外，在实际 MRI 中，无论是欠采样图像还是全采样图像都容易出现伪影，纠正这些伪影对于保持诊断准确性至关重要。虽然已提出深度学习方法从欠采样数据恢复图像质量，另一些方法则专注于纠正由噪声或运动引起的伪影，但迄今尚未有任何方法针对加速与伪影校正同时发生的情况进行处理，限制了这些模型在同时出现此类退化因素时的性能。为填补这一空白，我们提出一种从欠采样数据恢复高质量图像的方法，同时纠正噪声和运动伪影，称为 USArt（Under-Sampling and Artifact correction model）。针对采用笛卡尔采样获取的 2D 大脑解剖图像，USArt 采用双子模型方法。结果显示，恢复图像的信噪比（SNR）和对比度提升显著。探索了 various 欠采样策略和退化程度，其中梯度欠采样策略获得了最佳效果。我们实现了最高 5 倍加速，同时进行伪影校正，未出现显著退化，展示了该模型在实际场景中的鲁棒性。
引用
@article{arxiv.2511.23274,
title = {Simultaneous Image Quality Improvement and Artefacts Correction in Accelerated MRI},
author = {Georgia Kanli and Daniele Perlo and Selma Boudissa and Radovan Jirik and Olivier Keunen},
journal= {arXiv preprint arXiv:2511.23274},
year = {2025}
}