使用条件扩散概率模型 (MAR-CDPM) 的MRI运动工件减少
Mojtaba Safari1,2, Xiaofeng Yang3, Ali Fatemi4,5
1Département de physique, de génie physique et d'optique, et Centre de recherche sur le cancer, Université Laval, Quebec, Quebec, Canada.
Medical physics
|November 27, 2023
概括
这项研究引入了一种新的运动校正方法 (MAR-CDPM),用于从MRI扫描中删除文物. 该方法有效地提高了图像质量,特别是对于老年患者,在扫描期间容易运动.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经科学是一个神经科学.
背景情况:
- 高分辨率的MRI提供了关键的诊断信息,但在长时间的获取序列中受到运动工件的限制.
- 运动工件损害了MRI后处理算法的准确性.
研究的目的:
- 开发和评估一种新的回顾性运动校正方法,MAR-CDPM (使用条件扩散概率模型减少运动工件).
- 为了从多中心3D对比增强T1 MPRAGE脑数据集中删除各种脑瘤类型的运动文物.
主要方法:
- 利用两个MRI数据集:一个是来自230名脑瘤患者的3D ceT1 MPRAGE和2D T2-FLAIR,另一个是来自148名健康志愿者的3D T1W.
- 在k空间中生成了in silico运动工件,并训练了一个条件网络 (Unet骨干) 来逆转扩散过程,创建了MAR-CDPM.
- 通过使用定量指标 (NMSE,SSIM,PSNR,VIF) 和定性评估,对监督的Unet,CycleGAN和Pix2pix模型进行了MAR-CDPM的评估.
主要成果:
- 在保存软组织对比度和脑结构,包括瘤边界方面,MAR-CDPM在质量上优于其他方法.
- 在移除in silico运动工件方面,MAR-CDPM取得了卓越的性能,由更高的PSNR和VIF证明.
- 在时间步骤和T2-FLAIR条件下的模型显示,对于in silico数据,NMSE,MS-SSIM,SSIM和MS-GMSD的显著改善.
结论:
- 在3D ceT1 MPRAGE扫描中,MAR-CDPM有效地删除了运动文物.
- 这种方法特别有利于成像老年患者,这些老年患者在漫长的MRI采集过程中可能会经历非自愿的运动.
