在扩散MRI中训练神经网络以去除吉布斯伪影与噪声
图像与视频处理
2020-09-25 v2
摘要
我们开发并评估了一种基于神经网络的吉布斯伪影与噪声去除方法。设计了一个卷积神经网络(CNN)用于扩散加权成像数据中的伪影去除。考虑了两种实现：一种用于幅度图像，一种用于复数图像。两种模型均基于相同的编码器-解码器结构，并通过在合成非MRI图像上模拟MRI采集进行训练。两种机器学习方法均能减轻扩散加权图像与扩散参数图中的伪影。用于复数图像的CNN还能减少部分傅里叶采集中的伪影。所提出的CNN拓展了扩散MRI中伪影校正的能力。本文描述的机器学习方法可独立应用于每个成像切片，使其能在临床应用中灵活使用。
引用
@article{arxiv.1905.04176,
title = {Training a Neural Network for Gibbs and Noise Removal in Diffusion MRI},
author = {Matthew J. Muckley and Benjamin Ades-Aron and Antonios Papaioannou and Gregory Lemberskiy and Eddy Solomon and Yvonne W. Lui and Daniel K. Sodickson and Els Fieremans and Dmitry S. Novikov and Florian Knoll},
journal= {arXiv preprint arXiv:1905.04176},
year = {2020}
}
备注
Pre-print prior to submission to Magnetic Resonance in Medicine