无监督的运动工件校正的旋回声MRI使用深度图像先前的图像
Jongyeon Lee1,2, Hyunseok Seo2, Wonil Lee3,4
1School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, Republic of Korea.
Magnetic resonance in medicine
|January 29, 2024
概括
这项研究引入了一种无监督的深度学习方法,用于纠正MRI扫描中的运动工件. 这种新的方法显著提高了图像质量,而不需要大量的训练数据集,证明了临床潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 磁共振成像是一种磁共振成像技术.
背景情况:
- 运动工件会降低磁共振成像 (MRI) 的质量.
- 深度学习纠正方法通常需要广泛的,资源密集的培训.
研究的目的:
- 提出一种无监督的深度学习方法,用于在轮旋转回声MRI中进行运动工件校正.
- 为了利用深度图像先前框架来有效地去除文物.
主要方法:
- 该方法利用神经网络参数化来抑制运动工件.
- 它涉及图像参数化,空间转换和运动模拟模型.
- 一个优化过程将损坏的图像合成到与已获取的图像相匹配,从而最大限度地减少差异.
主要成果:
- 在模拟研究中观察到结构相似性指数的显著改善.
- 废弃性研究证实了单个成分在人工物校正中的有效性.
- 现实世界的数据实验表明了强大的临床潜力.
结论:
- 拟议的方法有效地纠正了轮旋回回声MRI中的刚性和内平面运动工件.
- 它在图像质量方面提供了大量的定量和质量改进.


