PixCUE: Joint Uncertainty Estimation and Image Reconstruction in MRI using Deep Pixel Classification

要約

深層学習 (DL) モデルは、MR データの潜在的な表現をうまく活用することができ、MRI 再構成を加速するための最先端技術となっています。
ただし、k 空間での測定値のアンダーサンプリング、および DL の過大または過小パラメータ化および非透過性により、これらのモデルは不確実性にさらされます。
その結果、不確実性の推定は、DL MRI 再構成における主要な問題となっています。
不確実性を推定するために、モンテカルロ (MC) 推論手法が一般的な方法になり、複数の再構成を利用して不確実性の測定として再構成の分散を計算します。
ただし、これらの方法では、DL モデルによる複数の推論が必要になるため、計算コストが高くなります。
この目的のために、ピクセル分類フレームワークを使用して MRI 再構成中に不確実性を推定する方法を紹介します。
提案された方法である PixCUE (Pixel Classification Uncertainty Estimation の略) は、DL モデルを 1 回通過する間に不確実性マップと共に再構成された画像を生成します。
このアプローチが、さまざまな MR イメージング シーケンスおよび多数の敵対的条件下での再構成エラーと高度に相関する不確実性マップを生成することを示します。
また、推定された不確実性が従来の MC 法の不確実性と相関していることも示しています。
さらに、PixCUE を使用した不確実性の推定と、NMSE、PSNR、SSIM などの確立された再構成指標との間の経験的な関係を提供します。
PixCUE は、追加の計算コストを最小限に抑えて、MRI 再構成の不確実性を確実に推定できると結論付けています。

要約(オリジナル)

Deep learning (DL) models are capable of successfully exploiting latent representations in MR data and have become state-of-the-art for accelerated MRI reconstruction. However, undersampling the measurements in k-space as well as the over- or under-parameterized and non-transparent nature of DL make these models exposed to uncertainty. Consequently, uncertainty estimation has become a major issue in DL MRI reconstruction. To estimate uncertainty, Monte Carlo (MC) inference techniques have become a common practice where multiple reconstructions are utilized to compute the variance in reconstruction as a measurement of uncertainty. However, these methods demand high computational costs as they require multiple inferences through the DL model. To this end, we introduce a method to estimate uncertainty during MRI reconstruction using a pixel classification framework. The proposed method, PixCUE (stands for Pixel Classification Uncertainty Estimation) produces the reconstructed image along with an uncertainty map during a single forward pass through the DL model. We demonstrate that this approach generates uncertainty maps that highly correlate with the reconstruction errors with respect to various MR imaging sequences and under numerous adversarial conditions. We also show that the estimated uncertainties are correlated to that of the conventional MC method. We further provide an empirical relationship between the uncertainty estimations using PixCUE and well-established reconstruction metrics such as NMSE, PSNR, and SSIM. We conclude that PixCUE is capable of reliably estimating the uncertainty in MRI reconstruction with a minimum additional computational cost.

arxiv情報

著者 Mevan Ekanayake,Kamlesh Pawar,Gary Egan,Zhaolin Chen
発行日 2023-03-08 07:55:37+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, cs.LG, eess.IV パーマリンク