改进了图像重建和扩散参数估计,使用梯度轨迹错误的时间卷积网络模型
Jonathan B Martin1, Hannah E Alderson1,2, John C Gore1,2,3
1Vanderbilt University Institute of Imaging Science, Vanderbilt University Medical Center, Tennessee, USA.
ArXiv
|September 22, 2025
概括
时间卷积网络准确地预测磁共振成像梯度扭曲. 这种方法提高了图像质量和扩散参数映射,为线性模型提供了更好的替代方案来纠正梯度错误.
科学领域:
- 医疗成像医学成像
- 磁共振成像 (MRI) 是一种磁共振成像技术.
- 计算成像技术的成像
背景情况:
- 梯度轨迹错误会在MRI中引起人工物,特别是在非卡尔特斯序列中.
- 不完美的梯度波形显著降低图像质量.
研究的目的:
- 开发一个一般的,非线性梯度系统模型.
- 使用卷积网络准确预测梯度扭曲.
主要方法:
- 在小型动物MRI系统上测量了梯度波形.
- 训练了一个时间卷积网络 (TCN) 来预测梯度波形.
- 将TCN预测集成到图像重建管道中.
主要成果:
- 在TCN准确地预测了非线性梯度系统的扭曲.
- 整合TCN预测改善了图像质量和扩散参数映射.
- 性能超过了名义波形和梯度冲动响应函数.
结论:
- 与线性方法相比,TCN提供了比线性方法更准确的梯度系统行为建模.
- 可以使用TCN来追溯纠正梯度错误.
- 这种方法提高了MRI图像质量和定量参数的准确性.
