自主监督学习,以拒绝多维MRI数据
Beomgu Kang1,2, Wonil Lee3, Hyunseok Seo2
1School of Electrical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, Republic of Korea.
Magnetic resonance in medicine
|June 27, 2024
概括
这项研究引入了使用自主监督学习的多维MRI数据的快速解密框架. 该方法显著提高了图像质量,并改善了定量分析,而不需要清洁的参考图像.
科学领域:
- 医疗成像医学成像
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 定量MRI需要高的信号噪声比 (SNR) 来准确地估计组织参数.
- 在MRI数据中的噪音使复杂的,非线性信号模型的拟合复杂,影响量化.
- 为了培训,获取地面真实清洁的MRI数据往往是不切实际的.
研究的目的:
- 为高维磁共振成像数据开发一个快速解密的框架.
- 实施自主监督学习计划,消除对清洁参考图像的需求.
- 为了提高SNR和MRI数据的量化准确性.
主要方法:
- 提出了一个深度学习框架,利用多维MRI数据中的冗余性.
- 一个自我监督的模型只使用噪音图像进行训练,以解决缺乏清洁数据的问题.
- 该框架在模拟的MTC-MRF和体内DWI数据集上得到了验证.
主要成果:
- 拟议的方法在消毒方面显著优于现有的技术 (BM3D,tMPPCA,Patch2self).
- 在各种噪声水平和分布中观察到性能改善.
- 剥离导致从处理的MRI数据中获得更准确的定量结果.
结论:
- MD-S2S无线化技术有效地增强了多维MRI数据.
- 这种方法可以应用于各种MRI数据集,提高量化准确性.
- 该框架为强大的定量MRI提供了一个有希望的解决方案.


