Arbitrary Reduction of MRI Inter-slice Spacing Using Hierarchical Feature Conditional Diffusion

要約

2D スキャン プロトコルで収集された磁気共鳴 (MR) 画像は通常、スライス間の間隔が大きいため、面内解像度は高くなりますが、面内解像度は低下します。
超解像技術により、2D スキャンされた MR 画像のスライス間の間隔が縮小され、下流の視覚体験とコンピュータ支援診断が容易になります。
しかし、既存の超解像法のほとんどは固定スケーリング比でトレーニングされているため、MR スキャンのスライス間間隔が異なる可能性がある臨床現場では不便です。
この問題を解決するために、MR スライス間の間隔を任意に縮小するための階層的特徴条件付き拡散 (HiFi-Diff) を提案します。
2 つの隣接する MR スライスと相対的な位置オフセットが与えられると、HiFi-Diff はガウス ノイズ マップを任意の中間 MR スライスに繰り返し変換できます。
さらに、きめ細かい調整を可能にするために、条件付き特徴を階層的に抽出し、要素ごとの変調を行う階層特徴抽出 (HiFE) モジュールが提案されています。
公開されている HCP-1200 データセットに関する実験結果は、HiFi-Diff の高忠実度の超解像度機能と、ダウンストリームのセグメンテーション パフォーマンスを向上させるその有効性を実証しています。

要約(オリジナル)

Magnetic resonance (MR) images collected in 2D scanning protocols typically have large inter-slice spacing, resulting in high in-plane resolution but reduced through-plane resolution. Super-resolution techniques can reduce the inter-slice spacing of 2D scanned MR images, facilitating the downstream visual experience and computer-aided diagnosis. However, most existing super-resolution methods are trained at a fixed scaling ratio, which is inconvenient in clinical settings where MR scanning may have varying inter-slice spacings. To solve this issue, we propose Hierarchical Feature Conditional Diffusion (HiFi-Diff)} for arbitrary reduction of MR inter-slice spacing. Given two adjacent MR slices and the relative positional offset, HiFi-Diff can iteratively convert a Gaussian noise map into any desired in-between MR slice. Furthermore, to enable fine-grained conditioning, the Hierarchical Feature Extraction (HiFE) module is proposed to hierarchically extract conditional features and conduct element-wise modulation. Our experimental results on the publicly available HCP-1200 dataset demonstrate the high-fidelity super-resolution capability of HiFi-Diff and its efficacy in enhancing downstream segmentation performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google