SIMPLE: Simultaneous Multi-Plane Self-Supervised Learning for Isotropic MRI Restoration from Anisotropic Data

要約

磁気共鳴画像法 (MRI) は、腹部のさまざまな状態や異常を診断する際に非常に重要です。
従来の MRI スキャンでは、技術的な制約により異方性データが生成されることが多く、その結果、空間次元全体で解像度が変化し、診断精度や体積分析が制限されます。
超解像度 (SR) 技術は、異方性データから等方性の高解像度画像を再構成することで、これらの制限に対処することを目的としています。
ただし、現在の SR 手法は、間接的なマッピングと限られたトレーニング データに依存することが多く、真の 3 次元等方性を達成することよりも、主に 2 次元の改善に重点を置いています。
異方性データから等方性 MRI を復元するための同時マルチプレーン自己教師あり学習アプローチである SIMPLE を紹介します。
私たちの方法は、異なる平面で取得された既存の異方性臨床データを活用し、シミュレートされたダウンサンプリングプロセスの必要性を回避します。
MRI データの固有の 3 次元の性質を考慮することにより、SIMPLE は単に平面スライスを改善するのではなく、現実的な等方性データの生成を保証します。
このアプローチの柔軟性により、臨床現場で一般的に使用される複数のコントラストの種類や取得方法に拡張できます。
私たちの実験では、SIMPLE がカーネル インセプション ディスタンス (KID) を使用した定量的および放射線科医の評価による半定量の両方で最先端の方法よりも優れていることが示されています。
生成された等方性ボリュームにより、より正確な体積分析と 3D 再構成が容易になり、臨床診断機能の大幅な向上が期待できます。

要約(オリジナル)

Magnetic resonance imaging (MRI) is crucial in diagnosing various abdominal conditions and anomalies. Traditional MRI scans often yield anisotropic data due to technical constraints, resulting in varying resolutions across spatial dimensions, which limits diagnostic accuracy and volumetric analysis. Super-resolution (SR) techniques aim to address these limitations by reconstructing isotropic high-resolution images from anisotropic data. However, current SR methods often rely on indirect mappings and limited training data, focusing mainly on two-dimensional improvements rather than achieving true three-dimensional isotropy. We introduce SIMPLE, a Simultaneous Multi-Plane Self-Supervised Learning approach for isotropic MRI restoration from anisotropic data. Our method leverages existing anisotropic clinical data acquired in different planes, bypassing the need for simulated downsampling processes. By considering the inherent three-dimensional nature of MRI data, SIMPLE ensures realistic isotropic data generation rather than solely improving through-plane slices. This approach flexibility allows it to be extended to multiple contrast types and acquisition methods commonly used in clinical settings. Our experiments show that SIMPLE outperforms state-of-the-art methods both quantitatively using the Kernel Inception Distance (KID) and semi-quantitatively through radiologist evaluations. The generated isotropic volume facilitates more accurate volumetric analysis and 3D reconstructions, promising significant improvements in clinical diagnostic capabilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google