Robust Simultaneous Multislice MRI Reconstruction Using Deep Generative Priors

要約

同時マルチスライス (SMS) イメージングは​​、磁気共鳴イメージング (MRI) の取得を高速化するための強力な技術です。
ただし、励起されたスライス間および励起されたスライス内での複雑な信号相互作用により、SMS 再構成は依然として困難です。
この研究では、深い生成事前分布を使用した堅牢な SMS MRI 再構成法を紹介します。
ガウス ノイズから開始して、ノイズ除去拡散確率モデル (DDPM) を利用して、逆拡散反復を通じて個々のスライスを徐々に回復しながら、読み出し連結フレームワークの下で測定された k 空間からデータの一貫性を課します。
事後サンプリング手順は、SMS タスク用に特別な調整を行わずに、単一スライス画像に対して DDPM トレーニングを実行できるように設計されています。
さらに、私たちの方法は、SMS加速高速スピンエコー(FSE)およびエコープラナーイメージング(EPI)シーケンスが自動校正信号を簡単に埋め込むことができないという実際的な問題に対処するために、低周波強化(LFE)モジュールを統合しています。
広範な実験により、私たちのアプローチが既存の手法を常に上回っており、まだ見たことのないデータセットにも十分に一般化できることが実証されています。
コードはレビュープロセス後に https://github.com/Solor-pikachu/ROGER で入手できます。

要約(オリジナル)

Simultaneous multislice (SMS) imaging is a powerful technique for accelerating magnetic resonance imaging (MRI) acquisitions. However, SMS reconstruction remains challenging due to the complex signal interactions between and within the excited slices. This study presents a robust SMS MRI reconstruction method using deep generative priors. Starting from Gaussian noise, we leverage denoising diffusion probabilistic models (DDPM) to gradually recover the individual slices through reverse diffusion iterations while imposing data consistency from the measured k-space under readout concatenation framework. The posterior sampling procedure is designed such that the DDPM training can be performed on single-slice images without special adjustments for SMS tasks. Additionally, our method integrates a low-frequency enhancement (LFE) module to address a practical issue that SMS-accelerated fast spin echo (FSE) and echo-planar imaging (EPI) sequences cannot easily embed autocalibration signals. Extensive experiments demonstrate that our approach consistently outperforms existing methods and generalizes well to unseen datasets. The code is available at https://github.com/Solor-pikachu/ROGER after the review process.

arxiv情報

著者 Shoujin Huang,Guanxiong Luo,Yuwan Wang,Kexin Yang,Lingyan Zhang,Jingzhe Liu,Hua Guo,Min Wang,Mengye Lyu
発行日 2024-07-31 13:34:14+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.AI, cs.CV, eess.IV, eess.SP, physics.med-ph パーマリンク