用于快速跨模态 MRI 重建的空间与模态最优传输
图像与视频处理
2024-05-22 v3 计算机视觉与模式识别
医学物理
摘要
多模态磁共振成像（MRI）在临床医学的综合疾病诊断中起着关键作用。然而，获取某些模态（如 T2 加权图像（T2WI））耗时较长且易出现运动伪影，这对后续的多模态图像分析产生负面影响。为解决此问题，我们提出一种端到端深度学习框架，利用 T1 加权图像（T1WI）作为辅助模态来加速 T2WI 的采集。虽然图像预处理能够减轻错位，但参数选择不当会导致不利的预处理效果，需要反复试验与调整。为克服这一不足，我们采用最优传输（OT）通过对齐 T1WI 并执行跨模态合成来合成 T2WI，有效缓解空间错位效应。此外，我们采用重建任务与跨模态合成任务之间的交替迭代框架来优化最终结果。接着，我们证明随着迭代次数增加，重建的 T2WI 与合成的 T2WI 在 T2 图像流形上愈发接近，并进一步说明改进的重建结果增强了合成过程，而增强的合成结果又改善了重建过程。最后，来自 FastMRI 和内部数据集的实验结果证实了方法的有效性，表明即使在低采样率下图像重建质量也有显著提升。
引用
@article{arxiv.2305.02774,
title = {Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction},
author = {Qi Wang and Zhijie Wen and Jun Shi and Qian Wang and Dinggang Shen and Shihui Ying},
journal= {arXiv preprint arXiv:2305.02774},
year = {2024}
}