加速MRI重建中的不确定性估计与传播
图像与视频处理
2023-08-08 v1 计算机视觉与模式识别
机器学习
摘要
基于深度学习的MRI重建技术带来了前所未有的重建质量，尤其在高度加速情形下。然而，深度学习技术也以众所周知的方式意外失效并幻觉出结构。若重建结果直接用于下游任务，如实时治疗引导或临床参数自动提取(例如通过分割)，则这一问题尤为棘手。良好校准的不确定性量化将是该技术安全用于临床实践的关键要素。本文提出一种新颖的概率重建技术(PHiRec)，其构建于条件分层变分自编码器的思想之上。我们证明，所提方法产生了高质量重建以及显著优于若干强基线、校准良好的不确定性量化。我们进一步展示了MRI重建中产生的不确定性如何传播至下游分割任务，并表明PHiRec也允许对源于MRI重建过程的分割不确定性进行良好校准的估计。
引用
@article{arxiv.2308.02631,
title = {Uncertainty Estimation and Propagation in Accelerated MRI Reconstruction},
author = {Paul Fischer and Thomas Küstner and Christian F. Baumgartner},
journal= {arXiv preprint arXiv:2308.02631},
year = {2023}
}