运动DPS：基于运动补偿的3D脑部MRI重建技术

《IEEE/ASME Transactions on Mechatronics》：MotionDPS: Motion-Compensated 3D Brain MRI Reconstruction

　　

摘要：

由于磁共振成像的采集时间相对较长，且数据是在k空间中依次采集的，因此它极易受到患者运动的影响。即使是很小的患者动作也会导致不同测量结果之间的相位不一致，从而产生模糊、重影和几何变形等严重伪影，这些都会影响诊断质量。在加速采集的情况下，由于联合重建和运动估计问题具有不适定性，基于回顾性的运动补偿仍然面临挑战。在这项工作中，我们提出了一种统一的贝叶斯框架，用于对3D磁共振成像进行运动补偿，该框架可以直接从受运动干扰的k空间数据中同时估计出解剖图像、刚体运动参数以及线圈灵敏度图。我们的方法将预训练的3D复值基于分数的扩散模型作为基于物理原理的前向模型中的高效解剖图像先验。通过交替进行扩散后验图像更新以及高效的近似优化步骤来估计运动和线圈灵敏度，从而实现完全无监督的重建，无需配对的无运动训练数据。在模拟和真实运动脑部磁共振成像数据集上的实验表明，与现有的传统及基于学习的运动校正技术相比，所提出的方法在存在严重运动和高加速度的情况下，能够提升图像质量并增强运动鲁棒性。