最佳的MRI低样本模式,最终有利于医疗视觉任务
Artem Razumov1, Oleg Rogov1, Dmitry V Dylov1
1Skolkovo Institute of Science and Technology, Moscow, Russia.
Magnetic resonance imaging
|July 9, 2023
概括
这项研究将磁共振成像 (MRI) 加速的焦点从图像质量转移到下游分析. 优化的低样本模式改善了医学成像任务中的病理检测和定位.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 磁共振成像是一种磁共振成像技术.
背景情况:
- 压缩传感通过低采样k空间来加速MRI,通常优先考虑重建的图像质量.
- 目前的方法重点是提高整体图像保真度后重建.
研究的目的:
- 通过优化k空间低样本模式来为下游图像分析结果重新构建MRI加速.
- 改进加速MRI扫描中的病理的检测和定位.
主要方法:
- 开发了一种新的方法来优化基于医疗视觉任务 (重建,细分,分类) 的表现的低采样模式.
- 引入了一种代梯度采样程序,使其在这些任务中具有普遍适用性.
- 在三个医疗数据集上验证了范式.
主要成果:
- 在高加速度因子的目标指标中表现出显著的改进.
- 与其他模式相比,在16倍加速时实现了子分数对细分的12%的改进.
- 展示了拟议的MRI加速策略的有效性.
结论:
- 为特定的下游分析任务优化k空间低采样,提高了诊断效用.
- 拟议的方法提供了一个优越的MRI加速范式,特别是对于高加速度因子.
- 这种方法通过优先考虑临床相关的结果来推进医学图像分析.
