通过解的循环进行MRI运动校正GAN基于多面罩K空间子样本
IEEE transactions on medical imaging
|March 3, 2025
概括
一种新方法,DCGAN-MS,使用多面罩k空间亚采样来纠正MRI扫描中的运动工件. 这种方法使图像脱而出,提高了清晰度和效率,以获得更好的诊断成像.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 运动文物是MRI的一个重大挑战,降低图像质量,并可能导致误诊.
- 现有的回顾性运动校正方法经常与复杂的工件模式和计算需求作斗争.
研究的目的:
- 介绍DCGAN-MS,这是一种用于MRI的新型回顾性运动校正技术.
- 为了解决动作文物所带来的图像域翻译挑战,使用解散的CycleGAN架构.
主要方法:
- DCGAN-MS采用多面膜k空间子采样,通过选择性地丢弃损坏的k空间线来减少运动工件的复杂性.
- 该网络使用专门的编码器将动作损坏的图像分解成内容和文物特征.
- 通过解码提取的内容特征来生成运动校正图像.
主要成果:
- DCGAN-MS在各种MRI数据集中展示了有效的运动工件校正,包括人类肝脏,人类大脑 (快速MRI) 和临床前动物大脑.
- 观察到显著的定量改善:SSIM从0.75增加到0.86 (人类肝脏) 和0.72增加到0.82 (动物大脑).
- PSNR值分别从26.09上升到31.09和从25.10上升到31.77. 使用KID和FID指标进一步验证了性能.
结论:
- DCGAN-MS提供了一种高效和有效的解决方案,用于MRI的回顾性运动校正.
- 多面膜k空间亚采样策略通过创建更少的文物特性来提高网络性能.
- 该方法显示出强大的潜力,可以提高临床和临床前MRI扫描的诊断效用.
