Die Studie präsentiert einen Ansatz zur Verbesserung der Rekonstruktionsqualität in stark beschleunigter kardialer Cine-MRT-Bildgebung. Zunächst wird eine nicht-generative Deep-Learning-Rekonstruktion (res-CRNN) angewendet, um eine erste Entzerrung der Aufnahmen zu erreichen. Anschließend wird ein räumlich-zeitliches Diffusions-Modell genutzt, um die Bildschärfe und Bewegungsdarstellung weiter zu verbessern. Um unerwünschte künstliche Rauschartefakte in den generierten Ergebnissen zu reduzieren, wird eine neuartige gepaarte Abtastungsstrategie eingeführt.
Die Ergebnisse zeigen, dass der kombinierte Ansatz aus nicht-generativer Rekonstruktion und Diffusions-Generierung im Vergleich zur ursprünglichen res-CRNN-Rekonstruktion eine deutlich höhere Bildqualität mit schärferen Gewebegrenzen und reduzierter zeitlicher Unschärfe liefert. Die gepaarte Abtastung erwies sich dabei als effizient bei der Entfernung unerwünschter Rauschartefakte, die durch die verrauschten Referenzbilder in den Trainingsdaten entstehen können. Die Methode wurde sowohl auf retrospektiv als auch prospektiv unterabgetasteten kardialen Cine-MRT-Daten evaluiert und zeigte konsistent gute Ergebnisse.
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések