HACA3: A Unified Approach for Multi-site MR Image Harmonization

要約

標準化の欠如は、磁気共鳴 (MR) イメージングにおける顕著な問題です。
これにより、ハードウェアと取得パラメータの違いにより、望ましくないコントラストの変化が生じることがよくあります。
近年、望ましくないコントラスト変動を補償するために、画像合成ともつれの解消を使用した MR 調和が提案されています。
既存の方法の成功にもかかわらず、3 つの主要な改善を行うことができると主張します。
まず、ほとんどの既存の方法は、同じ被験者のマルチコントラスト MR 画像が同じ解剖学的構造を共有しているという前提に基づいて構築されています。
さまざまな MR コントラストがさまざまな解剖学的特徴を強調するように特化されているため、この仮定には疑問があります。
第 2 に、これらの方法では、多くの場合、トレーニング用に一定の MR コントラスト セットが必要になるため (たとえば、Tw 加重画像と T2 加重画像の両方が利用可能でなければなりません)、適用性が制限されます。
第 3 に、既存の方法は一般に、イメージング アーティファクトに敏感です。
このホワイト ペーパーでは、これら 3 つの問題に対処するための新しいアプローチ、注意ベースのコントラスト、解剖学、およびアーティファクト認識 (HACA3) との調和を提示します。
最初に、HACA3 が MR コントラスト間の解剖学的差異を尊重できるようにする解剖学的融合モジュールを提案します。
HACA3 は、イメージング アーティファクトに対しても堅牢であり、MR コントラストの任意のセットにトレーニングして適用することができます。
実験では、HACA3 が複数の画質指標の下で最先端のパフォーマンスを達成することが示されています。
また、さまざまな電界強度、スキャナー プラットフォーム、および取得プロトコルを使用して 21 のサイトから取得した多様な MR データセットを使用して、ダウンストリーム タスクに対する HACA3 の適用性を示します。

要約(オリジナル)

The lack of standardization is a prominent issue in magnetic resonance (MR) imaging. This often causes undesired contrast variations due to differences in hardware and acquisition parameters. In recent years, MR harmonization using image synthesis with disentanglement has been proposed to compensate for the undesired contrast variations. Despite the success of existing methods, we argue that three major improvements can be made. First, most existing methods are built upon the assumption that multi-contrast MR images of the same subject share the same anatomy. This assumption is questionable since different MR contrasts are specialized to highlight different anatomical features. Second, these methods often require a fixed set of MR contrasts for training (e.g., both Tw-weighted and T2-weighted images must be available), which limits their applicability. Third, existing methods generally are sensitive to imaging artifacts. In this paper, we present a novel approach, Harmonization with Attention-based Contrast, Anatomy, and Artifact Awareness (HACA3), to address these three issues. We first propose an anatomy fusion module that enables HACA3 to respect the anatomical differences between MR contrasts. HACA3 is also robust to imaging artifacts and can be trained and applied to any set of MR contrasts. Experiments show that HACA3 achieves state-of-the-art performance under multiple image quality metrics. We also demonstrate the applicability of HACA3 on downstream tasks with diverse MR datasets acquired from 21 sites with different field strengths, scanner platforms, and acquisition protocols.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google