通用采样去噪（USD）：用于非笛卡尔 MRI 的噪声映射与噪声去除
医学物理
2023-11-29 v1 生物物理
摘要
随机矩阵理论（RMT）与主成分分析相结合产生了广泛使用的 MPPCA 噪声映射与去噪算法，其利用了多次采集与局部图像块中的冗余性。基于 RMT 的去噪依赖于不相关同分布噪声。这一假设在非笛卡尔采样重网格化后失效。本文提出一种通用采样去噪（Universal Sampling Denoising, USD）流程，用于在重采样至笛卡尔网格后，均一化非笛卡尔采样 k 空间数据中的噪声水平并去相关化噪声。由此，RMT 方法可适用于任意非笛卡尔 k 空间采样的 MRI。我们在采用径向轨迹采集的 MRI 数据上展示了该去噪流程，包括数值体模与离体小鼠脑的扩散 MRI，以及健康受试者的在体 MRI。所提流程稳健地估计噪声水平、执行噪声去除，并校正参数图（如扩散率与峰度指标，以及 弛豫时间）中的偏倚。USD 稳定方差、去相关噪声，从而使基于 RMT 的去噪方法能够应用于由任意非笛卡尔数据重建的 MR 图像。除 MRI 外，USD 也可能适用于其他涉及非笛卡尔采集的医学影像技术，如 PET、CT 与 SPECT。
引用
@article{arxiv.2311.16316,
title = {Universal Sampling Denoising (USD) for noise mapping and noise removal of non-Cartesian MRI},
author = {Hong-Hsi Lee and Mahesh Bharath Keerthivasan and Gregory Lemberskiy and Jiangyang Zhang and Els Fieremans and Dmitry S Novikov},
journal= {arXiv preprint arXiv:2311.16316},
year = {2023}
}