MDAMF: Reconstruction of Cardiac Cine MRI under Free-breathing using Motion-guided Deformable Alignment and Multi-resolution Fusion

要約

心臓シネ磁気共鳴イメージングでは、より高いイメージング速度が必要なだけでなく、動きによるアーチファクトにも対処する必要があります。
特に自由呼吸の場合、必然的により多くのモーションアーチファクトが発生します。
これにより、モデルの再構築パフォーマンスと時間情報を取得する能力に対する要求が高まります。
以前の方法では、動きアーチファクトを補償するために時間次元情報を効果的に利用できませんでした。
時空間情報を最大限に活用し、モーションアーチファクトの影響を軽減するために、この論文では、二次双方向伝播を備えたモーションガイド付きの変形可能な位置合わせ方法を提案します。
さらに、隣接するフレームを位置合わせすると、精度の低下や位置ずれの問題が発生する可能性があり、その後の融合再構成に悪影響を及ぼします。
従来の方法では、位置合わせされた特徴情報を十分に統合および修正できませんでした。
この論文では、位置合わせエラーやアーティファクトをさらに修正するための多重解像度融合法を提案します。
他の高度な方法と比較して、提案されたアプローチは、ピーク信号対雑音比 (PSNR)、構造類似性指数 (SSIM)、視覚効果の点でより優れた画像再構成品質を実現します。
ソースコードは https://github.com/GtLinyer/MDAMF で公開されます。

要約(オリジナル)

Cardiac cine magnetic resonance imaging not only requires higher imaging speed but also needs to address motion artifacts. Especially in the case of free-breathing, more motion artifacts are inevitably introduced. This poses higher demands on the reconstruction performance of the model and its ability to capture temporal information. Previous methods have not effectively utilized the temporal dimension information to compensate for motion artifacts. In order to fully leverage the spatiotemporal information and reduce the impact of motion artifacts, this paper proposes a motion-guided deformable alignment method with second-order bidirectional propagation. Furthermore, aligning adjacent frames may lead to low accuracy or misalignment issues, which are detrimental to subsequent fusion reconstruction. Previous methods have not sufficiently integrated and corrected the aligned feature information. This paper proposes a multi-resolution fusion method to further correct alignment errors or artifacts. Compared to other advanced methods, the proposed approach achieves better image reconstruction quality in terms of peak signal-to-noise ratio (PSNR), structural similarity index (SSIM), and visual effects. The source code will be made available on https://github.com/GtLinyer/MDAMF.

arxiv情報

著者 Xiaoxiang Han,Yiman Liu,Yuanjie Lin,Keyan Chen,Weikun Zhang,Qiaohong Liu
発行日 2023-05-31 16:05:15+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, eess.IV パーマリンク