基于角分辨率增强与循环一致性学习的无监督 dMRI 伪影检测
图像与视频处理
2024-09-25 v1 计算机视觉与模式识别
摘要
扩散磁共振成像（dMRI）是神经影像学研究中的关键技术，允许非侵入式地探讨大脑组织的底层结构。临床 dMRI 数据在获取过程中易受多种伪影的影响，可能导致后续分析不可靠。因此，dMRI 预处理对于提高图像质量至关重要，通常需要手动检查以确保预处理后的数据得到充分纠正。然而，手动检查需要专业知识且耗时，尤其是在大规模 dMRI 数据集上更为耗时。鉴于上述挑战，一个自动化的 dMRI 伪影检测工具是必要的，以提高 dMRI 数据分析的生产力和可靠性。为此，我们提出了一种新型无监督深度学习框架，称为不确定性 dMRI 伪影检测通过角分辨率增强与循环一致性学习（UdAD-AC）。UdAD-AC 利用 dMRI 角分辨率增强和循环一致性学习，在训练期间捕捉伪影-free dMRI 数据的有效表征，并在推理期间通过设计的置信度得分来识别包含伪影的数据。为评估 UdAD-AC 的能力，我们将多种常见的 dMRI 伪影，包括偏置场、患者性畸变和损坏体积，添加到测试数据中。实验结果表明，UdAD-AC 在无监督 dMRI 伪影检测方面优于对手方法。
引用
@article{arxiv.2409.15883,
title = {Unsupervised dMRI Artifact Detection via Angular Resolution Enhancement and Cycle Consistency Learning},
author = {Sheng Chen and Zihao Tang and Xinyi Wang and Chenyu Wang and Weidong Cai},
journal= {arXiv preprint arXiv:2409.15883},
year = {2024}
}
备注
Accepted to AJCAI2024, dMRI, Unsupervised artifact detection, Angular resolution enhancement, Cycle consistency