理解欠采样 MRI 数据分割现有方法的优势与缺陷
图像与视频处理
2025-12-23 v2 计算机视觉与模式识别
摘要
磁共振成像是一种有价值的诊断工具，能够以高软组织对比度无创地可视化患者解剖结构与病理。然而，MRI 采集通常耗时较长，导致患者不适并增加医疗系统的成本。近年来，加速 MRI 采集同时仍获得与全采样 MR 图像相似重建结果的方法研发投入了大量精力。然而，对于许多应用而言，完美的重建 MR 图像可能并非必要，尤其是当主要目标是分割等下游任务时。这促使人们对旨在直接对加速 MRI 数据进行分割的方法产生了日益浓厚的兴趣。尽管近期取得了一些进展，但现有方法大多是在孤立环境中开发的，缺乏彼此间的直接比较，通常使用各自或私有数据集，且缺乏统一的评估标准。迄今为止，尚不存在针对这些方法的高质量、全面比较，对加速 MR 数据进行分割的最优策略仍属未知。本文提供了首个针对欠采样 MRI 数据分割的统一基准，比较了 7 种方法。我们特别关注将重建与分割结合为统一模型的“单阶段方法”与利用成熟的 MRI 重建方法后接分割网络的“两阶段方法”之间的比较。我们在两个包含多线圈 k 空间数据及人工标注分割真值的 MRI 数据集上测试了这些方法。我们发现，考虑数据一致性的简单两阶段方法取得了最佳分割得分，超越了专门针对该任务开发的复杂专用方法。
引用
@article{arxiv.2508.18975,
title = {Understanding Benefits and Pitfalls of Current Methods for the Segmentation of Undersampled MRI Data},
author = {Jan Nikolas Morshuis and Matthias Hein and Christian F. Baumgartner},
journal= {arXiv preprint arXiv:2508.18975},
year = {2025}
}