人工智能驱动的MRI运动伪影检测与校正的系统综述与元分析
计算机视觉与模式识别
2025-12-24 v1 医学物理
摘要
背景：系统综述并元分析人工智能（AI）驱动的磁共振成像（MRI）运动伪影检测与校正方法，评估当前进展、有效性、挑战及未来研究方向。方法：进行了一项全面的系统综述与元分析，重点关注用于MRI运动伪影检测与校正的深度学习方法，特别是生成模型。提取了关于所用数据集、深度学习架构和性能指标的定量数据。结果：深度学习，特别是生成模型，在减少运动伪影和提高图像质量方面显示出前景；然而，有限的泛化能力、对配对训练数据的依赖以及视觉失真的风险仍然是关键挑战，这促使了标准化数据集和报告的需求。结论：人工智能驱动的方法，特别是深度学习生成模型，通过有效处理运动伪影，在提高MRI图像质量方面显示出巨大潜力。然而，必须解决关键挑战，包括对全面公共数据集的需求、伪影水平的标准化报告协议，以及更先进、适应性更强的深度学习技术，以减少对大量配对数据集的依赖。解决这些方面可以显著提高MRI诊断准确性，降低医疗成本，并改善患者护理结果。
引用
@article{arxiv.2509.05071,
title = {Systematic Review and Meta-analysis of AI-driven MRI Motion Artifact Detection and Correction},
author = {Mojtaba Safari and Zach Eidex and Richard L. J. Qiu and Matthew Goette and Tonghe Wang and Xiaofeng Yang},
journal= {arXiv preprint arXiv:2509.05071},
year = {2025}
}