本研究では、ディフュージョンモデルを用いたMRI再構成手法SPIRiT-Diffusionを提案した。従来のディフュージョンモデルベースの再構成手法は主に画像領域で定式化されており、コイル感度マップの推定誤差の影響を受けやすい。一方、k空間補間手法はこの問題に対処できるが、従来のディフュージョンモデルはk空間補間に適用できない。
SPIRiT-Diffusionでは、SPIRiTアルゴリズムの自己整合性制約をディフュージョンプロセスの駆動項として定式化することで、k空間補間を実現した。これにより、コイル感度マップの推定誤差に頑健な再構成が可能となる。さらに、最適化モデルの物理的意味に基づいてSDEを設計する「モデル駆動型ディフュージョン」という新しいパラダイムを提案した。
実験では、3D頭頸部血管壁イメージングデータセットを用いて評価を行った。SPIRiT-Diffusionは、従来手法と比較して高い再構成精度を示し、特に高加速率(R=10)の条件でも優れた性能を発揮した。また、前向き実験でも放射線科医による主観的評価で最高スコアを得た。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Zhuo-Xu Cui,... at arxiv.org 04-23-2024
https://arxiv.org/pdf/2304.05060.pdfDeeper Inquiries