A Probabilistic Hadamard U-Net for MRI Bias Field Correction

要約

磁場不均一性の補正は、MRI 解析において依然として困難な課題です。
確立された技術のほとんどは、同一組織内の画像強度が一様な分布に従うことを想定して脳 MRI 用に設計されています。
このような仮定は、他の臓器、特に前立腺などのサイズが小さく、質感が不均一である (強度のばらつきが大きい) 臓器には簡単には適用できません。
この問題に対処するために、この論文では、前立腺 MRI バイアス場補正のための確率的アダマール U-Net (PHU-Net) を提案します。
まず、新しい Hadamard U-Net (HU-Net) を導入して低周波スカラー場を抽出し、元の入力を乗算してプロトタイプの修正画像を取得します。
HU-Net は、アダマール変換を介して入力画像を時間領域から周波数領域に変換します。
周波数領域では、トレーニング可能なフィルター (スケーリング層)、ハードしきい値層、およびスパーシティ ペナルティを使用して高周波成分が除去されます。
次に、条件付き変分オートエンコーダを使用して、バイアス場で補正された可能性のあるバリアントを低次元の潜在空間にエンコードします。
潜在空間から抽出されたランダムなサンプルは、プロトタイプの修正画像と組み合わされて、複数のもっともらしい画像を生成します。
実験結果は、前立腺 MRI のバイアス場を高速な推論速度で補正する PHU-Net の有効性を示しています。
PHU-Net からの高品質の補正画像により、前立腺 MRI セグメンテーションの精度が向上することも示されています。
このコードは、この原稿の最終バージョンで利用可能になります。

要約(オリジナル)

Magnetic field inhomogeneity correction remains a challenging task in MRI analysis. Most established techniques are designed for brain MRI by supposing that image intensities in the identical tissue follow a uniform distribution. Such an assumption cannot be easily applied to other organs, especially those that are small in size and heterogeneous in texture (large variations in intensity), such as the prostate. To address this problem, this paper proposes a probabilistic Hadamard U-Net (PHU-Net) for prostate MRI bias field correction. First, a novel Hadamard U-Net (HU-Net) is introduced to extract the low-frequency scalar field, multiplied by the original input to obtain the prototypical corrected image. HU-Net converts the input image from the time domain into the frequency domain via Hadamard transform. In the frequency domain, high-frequency components are eliminated using the trainable filter (scaling layer), hard-thresholding layer, and sparsity penalty. Next, a conditional variational autoencoder is used to encode possible bias field-corrected variants into a low-dimensional latent space. Random samples drawn from latent space are then incorporated with a prototypical corrected image to generate multiple plausible images. Experimental results demonstrate the effectiveness of PHU-Net in correcting bias-field in prostate MRI with a fast inference speed. It has also been shown that prostate MRI segmentation accuracy improves with the high-quality corrected images from PHU-Net. The code will be available in the final version of this manuscript.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google