Deep Learning for Retrospective Motion Correction in MRI: A Comprehensive Review

要約

タイトル: MRIにおける過去のモーション補正のためのDeep Learning：包括的なレビュー
要約:
– MRIにおけるモーションは重大な課題の1つである。
– MR信号は周波数空間で取得されるため、撮影されたオブジェクトのモーションがあると、他のMR画像に発生する複合的なアーティファクトが発生する。
– Deep Learningは、再構成プロセスのさまざまな段階でモーション補正に頻繁に提案されている。
– 幅広いMR取得シーケンス、関心のある解剖学と病理、そしてモーションパターン（剛体対変形可能でランダム対規則的）により、包括的なソリューションは不可能である。
– 異なるアプリケーション間でアイデアを移転するために、このレビューでは、MRIにおける学習ベースのモーション補正の提案された方法の詳細な概要と、共通の課題とポテンシャルを提供する。
– このレビューは、基礎データの使用、アーキテクチャ、評価戦略の違いと相乗効果を特定する。
– 一般的なトレンドを批判的に議論し、将来の方向を概説し、異なるアプリケーション領域と研究分野の相互作用を促進することを目的とする。

要約(オリジナル)

Motion represents one of the major challenges in magnetic resonance imaging (MRI). Since the MR signal is acquired in frequency space, any motion of the imaged object leads to complex artefacts in the reconstructed image in addition to other MR imaging artefacts. Deep learning has been frequently proposed for motion correction at several stages of the reconstruction process. The wide range of MR acquisition sequences, anatomies and pathologies of interest, and motion patterns (rigid vs. deformable and random vs. regular) makes a comprehensive solution unlikely. To facilitate the transfer of ideas between different applications, this review provides a detailed overview of proposed methods for learning-based motion correction in MRI together with their common challenges and potentials. This review identifies differences and synergies in underlying data usage, architectures and evaluation strategies. We critically discuss general trends and outline future directions, with the aim to enhance interaction between different application areas and research fields.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI