PyHySCO:在几秒钟内通过GPU启用易感性工件扭曲纠正

科学领域:

• 医疗成像医学成像
• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.

背景情况:

• 在回声平面成像 (EPI) 中的敏感性人工物是MRI的一个重大挑战.
• 现有的反向梯度极性 (RGP) 校正方法是计算密集的,每卷需要几分钟.
• 硬件和算法的进步需要更新的校正工具.

研究的目的:

• 推出PyTorch超弹性易感性纠正 (PyHySCO),这是一个快速和用户友好的工具来纠正EPI扭曲.
• 通过多线程和GPU加速,在几秒钟内实现3D RGP校正.
• 提供基于既有物理模型的可靠,无需培训的校正方法.

主要方法:

• PyHySCO使用物理扭曲模型和数学公式进行可靠的校正.
• 一个改进的初始化方案采用了Chang和Fitzpatrick的1D扭曲校正方法.
• 该工具在PyTorch中实现,支持多线程和GPU利用速度.
• 验证涉及对3T和7T人类结合体项目数据进行广泛的数值测试.

主要成果:

• PyHySCO实现了每体积秒的校正时间,这显著提高了速度.
• 该工具的准确性与领先的RGP方法相美.
• 验证证实了新的初始化方案的有效性,并比较了优化算法.
• 性能在不同的硬件和算术精度上进行了测试.

结论:

• PyHySCO提供了一个快速,准确和可靠的EPI扭曲校正解决方案.
• 该工具的效率和用户友好性使其适用于先进的神经成像研究.
• 在GNU公共许可证下,PyHySCO是自由可用的,促进了可访问性.