Autoregressive Image Diffusion: Generation of Image Sequence and Application in MRI

要約

磁気共鳴画像法 (MRI) は、広く使用されている非侵襲性画像診断法です。
ただし、画質と画像処理速度のバランスをとることが常に課題となっています。
このトレードオフは主に、空間フーリエ領域 (k 空間) 内の特定の軌道を横断する k 空間測定によって制約されます。
これらの測定値は、取得時間を短縮するためにアンダーサンプリングされることが多く、その結果、画像アーチファクトが発生し、品質が低下します。
生成モデルは画像分布を学習し、アンダーサンプリングされた k 空間データから高品質の画像を再構成するために使用できます。
この研究では、画像シーケンスの自己回帰画像拡散 (AID) モデルを提示し、それを使用して MRI 再構成を加速するための事後画像をサンプリングします。
このアルゴリズムには、アンダーサンプリングされた k 空間と既存の情報の両方が組み込まれています。
fastMRI データセットでトレーニングされたモデルは包括的に評価されます。
結果は、AID モデルが連続的にコヒーレントな画像シーケンスを堅牢に生成できることを示しています。
3D およびダイナミック MRI では、学習された画像間の依存関係により、AID は標準の拡散モデルよりも優れたパフォーマンスを発揮し、幻覚を軽減できます。

要約(オリジナル)

Magnetic resonance imaging (MRI) is a widely used non-invasive imaging modality. However, a persistent challenge lies in balancing image quality with imaging speed. This trade-off is primarily constrained by k-space measurements, which traverse specific trajectories in the spatial Fourier domain (k-space). These measurements are often undersampled to shorten acquisition times, resulting in image artifacts and compromised quality. Generative models learn image distributions and can be used to reconstruct high-quality images from undersampled k-space data. In this work, we present the autoregressive image diffusion (AID) model for image sequences and use it to sample the posterior for accelerated MRI reconstruction. The algorithm incorporates both undersampled k-space and pre-existing information. Models trained with fastMRI dataset are evaluated comprehensively. The results show that the AID model can robustly generate sequentially coherent image sequences. In 3D and dynamic MRI, the AID can outperform the standard diffusion model and reduce hallucinations, due to the learned inter-image dependencies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google