DP-MDM: Detail-Preserving MR Reconstruction via Multiple Diffusion Models

要約

磁気共鳴画像の詳細な特徴は、医師が正確な判断を行う際に課題となる微妙な変化を捉えるため、正確な医療診断と治療において重要な役割を果たします。
ただし、広く利用されている単純な拡散モデルには、より複雑な詳細を正確に捉えることができないため、限界があります。
MRI 再構成の品質を向上させるために、複数の拡散モデルを使用して、画像領域ではなく k 空間領域で構造と詳細な特徴を抽出する包括的な詳細を保存する再構成方法を提案します。
さらに、仮想バイナリ モーダル マスクを利用して、適応性の高いセンター ウィンドウを通じて k 空間データの値の範囲を調整し、モデルがより効率的に注意を集中できるようにします。
最後に、逆ピラミッド構造を採用し、トップダウンの画像情報が徐々に減少し、カスケード表現を可能にします。
このフレームワークは、逆ピラミッド アーキテクチャのスパース性を考慮してマルチスケールのサンプリング データを効果的に表現し、カスケード トレーニング データの分散を利用してマルチスケール データを表現します。
この方法は、段階的な改良アプローチを通じて、詳細の近似を改良します。
最後に、提案された方法は、臨床データセットと公共データセットで実験を行うことによって評価されました。
結果は、提案された方法が他の方法よりも優れていることを示しています。

要約(オリジナル)

Detail features of magnetic resonance images play a cru-cial role in accurate medical diagnosis and treatment, as they capture subtle changes that pose challenges for doc-tors when performing precise judgments. However, the widely utilized naive diffusion model has limitations, as it fails to accurately capture more intricate details. To en-hance the quality of MRI reconstruction, we propose a comprehensive detail-preserving reconstruction method using multiple diffusion models to extract structure and detail features in k-space domain instead of image do-main. Moreover, virtual binary modal masks are utilized to refine the range of values in k-space data through highly adaptive center windows, which allows the model to focus its attention more efficiently. Last but not least, an inverted pyramid structure is employed, where the top-down image information gradually decreases, ena-bling a cascade representation. The framework effective-ly represents multi-scale sampled data, taking into ac-count the sparsity of the inverted pyramid architecture, and utilizes cascade training data distribution to repre-sent multi-scale data. Through a step-by-step refinement approach, the method refines the approximation of de-tails. Finally, the proposed method was evaluated by con-ducting experiments on clinical and public datasets. The results demonstrate that the proposed method outper-forms other methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google