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

要約

動きは、磁気共鳴画像法 (MRI) における主要な課題の 1 つです。
MR 信号は周波数空間で取得されるため、画像化された物体が動くと、他の MR イメージング アーチファクトに加えて、再構成された画像に複雑なアーチファクトが生じます。
深層学習は、再構成プロセスのいくつかの段階での動き補正のために頻繁に提案されています。
MR 取得シーケンス、対象となる解剖学的構造と病理、および動作パターン (剛体か変形可能か、ランダムか規則的か) が広範囲にわたるため、包括的な解決策が得られる可能性は低くなります。
異なるアプリケーション間でのアイデアの伝達を容易にするために、このレビューでは、MRI における学習ベースの動作補正に提案されている方法の詳細な概要を、それらの共通の課題と可能性とともに提供します。
このレビューでは、基礎となるデータの使用法、アーキテクチャ、トレーニング、評価戦略における違いと相乗効果を特定します。
私たちは、さまざまな応用分野や研究分野間の交流を強化することを目的として、一般的な傾向を批判的に議論し、将来の方向性を概説します。

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, training 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

著者 Veronika Spieker,Hannah Eichhorn,Kerstin Hammernik,Daniel Rueckert,Christine Preibisch,Dimitrios C. Karampinos,Julia A. Schnabel
発行日 2023-09-25 16:03:36+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, cs.LG, eess.IV, eess.SP, physics.med-ph パーマリンク