基于 Transformer 的宽范围 MRI 伪影去除
图像与视频处理
2022-10-18 v2 计算机视觉与模式识别
摘要
磁共振扫描中的伪影对放射科医生和计算机辅助诊断系统都是严峻挑战。最常见的是由患者运动引起的伪影，但也可能源于设备特异性异常（如噪声模式）。无论来源如何，伪影不仅会使扫描失效，若未被察觉还可能引发误诊。例如，伪影可能伪装成肿瘤或其他异常。回顾性伪影校正（RAC）致力于在扫描完成后去除伪影。本工作中，我们提出一种能够回顾性去除原生分辨率 MR 图像中八种常见伪影的方法。该方法不假定已知特定伪影的存在或位置，并且按设计能够消除多种伪影的交互影响。我们的方法通过设计一种新颖的基于体素 Transformer 的神经网络来实现，该网络推广了 Swin transformer 所流行的“以窗口为中心”的方法。与 Swin 不同，我们的方法（i）原生支持体数据，（ii）面向密集预测任务而非分类，以及（iii）使用一种新颖且更具全局性的机制来实现窗口间的信息交换。我们的实验表明，我们的重建结果明显优于 ResNet、V-Net、MobileNet-v2、DenseNet、CycleGAN 和 BicycleGAN 所得结果。此外，我们表明我们模型的重建图像提高了 FSL BET 的准确性，FSL BET 是一种通常应用于诊断流程中的标准颅骨剥离方法。
引用
@article{arxiv.2210.07976,
title = {Wide Range MRI Artifact Removal with Transformers},
author = {Lennart Alexander Van der Goten and Kevin Smith},
journal= {arXiv preprint arXiv:2210.07976},
year = {2022}
}
备注
BMVC22