MAMOC: MRI Motion Correction via Masked Autoencoding

要約

磁気共鳴画像法 (MRI) スキャンにおけるモーション アーチファクトの存在は、重大な課題を引き起こします。患者のわずかな動きでも、スキャンの実用性を損なう可能性のあるアーチファクトが発生する可能性があります。この文書では、この問題に対処するために設計された新しい方法である MAsked MOtion Correction (MAMOC) を紹介します。
動きの影響を受ける MRI 脳スキャンにおけるレトロスペクティブ アーティファクト修正 (RAC) の問題。
MAMOC は、マスクされた自動エンコーディング自己監視、転移学習、およびテスト時間予測を使用して、モーション アーティファクトを効率的に除去し、高忠実度のネイティブ解像度のスキャンを生成します。
最近まで、遡及的な動き補正方法のトレーニングと評価に使用できる、現実的で公開されているペアのアーティファクト プレゼンテーションが存在しなかったため、動きのアーティファクトをシミュレートする必要がありました。
MR-ART データセットとより大きなラベルなしデータセット (ADNI、OASIS-3、IXI) を活用したこの研究は、公開データセット上の実際のモーション データを使用して MRI スキャンのモーション補正を評価した最初の研究であり、MAMOC が既存のモーションよりも向上したパフォーマンスを達成していることを示しています。
修正方法。

要約(オリジナル)

The presence of motion artifacts in magnetic resonance imaging (MRI) scans poses a significant challenge, where even minor patient movements can lead to artifacts that may compromise the scan’s utility.This paper introduces MAsked MOtion Correction (MAMOC), a novel method designed to address the issue of Retrospective Artifact Correction (RAC) in motion-affected MRI brain scans. MAMOC uses masked autoencoding self-supervision, transfer learning and test-time prediction to efficiently remove motion artifacts, producing high-fidelity, native-resolution scans. Until recently, realistic, openly available paired artifact presentations for training and evaluating retrospective motion correction methods did not exist, making it necessary to simulate motion artifacts. Leveraging the MR-ART dataset and bigger unlabeled datasets (ADNI, OASIS-3, IXI), this work is the first to evaluate motion correction in MRI scans using real motion data on a public dataset, showing that MAMOC achieves improved performance over existing motion correction methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google