SPIRiT-Diffusion: Self-Consistency Driven Diffusion Model for Accelerated MRI

要約

タイトル:　加速MRIのための自己相関駆動拡散モデル：SPIRiT-Diffusion

要約:
– ディフュージョンモデルは、画像生成の主要な方法の一つであり、MRI再構築にも成功している。しかし、現在のモデルの多くは、複数のコイルを使用しているため、正確にコイル感度マップ（CSM）を導出することが難しく、再構成品質が低下することがある。
– これを解決するために、SPIRiT-Diffusionというステップを提案する。具体的には、SPIRiTの自己起源的なソルバーを使用して、拡散プロセスのための新しいSDEを作成する。SDEを拡散モデルに使用することで、最適化モデルに基づいたモデル駆動型拡散を実現することができる。また、個別のコイルイメージを分離して結合するためにCSMを使用せずに、k-スペースデータを直接補間することができる。
– 提案されたSPIRiT-Diffusionは、3D共同頭蓋内および頸動脈壁画像データセットで評価され、CSMベースの再構築方法よりも優れた再構築品質を実現し、高い加速率（10倍）で再構築品質を達成することができる。

要点:
– ディフュージョンモデルは、MRI再構築に成功している。
– 現在のモデルでは、正確なコイル感度マップ（CSM）の導出が難しいため、再構築品質が低下することがある。
– SPIRiT-Diffusionを提案し、自己相関駆動拡散モデルを実現する。
– SPIRiT-Diffusionでは、個別のコイルイメージを分離して結合することなく、k-スペースデータを直接補間することができる。
– SPIRiT-Diffusionは、CSMベースの再構築方法よりも優れた再構築品質を実現することができる。

要約(オリジナル)

Diffusion models are a leading method for image generation and have been successfully applied in magnetic resonance imaging (MRI) reconstruction. Current diffusion-based reconstruction methods rely on coil sensitivity maps (CSM) to reconstruct multi-coil data. However, it is difficult to accurately estimate CSMs in practice use, resulting in degradation of the reconstruction quality. To address this issue, we propose a self-consistency-driven diffusion model inspired by the iterative self-consistent parallel imaging (SPIRiT), namely SPIRiT-Diffusion. Specifically, the iterative solver of the self-consistent term in SPIRiT is utilized to design a novel stochastic differential equation (SDE) for diffusion process. Then $\textit{k}$-space data can be interpolated directly during the reverse diffusion process, instead of using CSM to separate and combine individual coil images. This method indicates that the optimization model can be used to design SDE in diffusion models, driving the diffusion process strongly conforming with the physics involved in the optimization model, dubbed model-driven diffusion. The proposed SPIRiT-Diffusion method was evaluated on a 3D joint Intracranial and Carotid Vessel Wall imaging dataset. The results demonstrate that it outperforms the CSM-based reconstruction methods, and achieves high reconstruction quality at a high acceleration rate of 10.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI