磁共振成像（ MRI ）是一種有用的軟組織或分子擴(kuò)散成像技術(shù)。然而，獲取 MR 圖像的掃描時(shí)間可能相當(dāng)長(zhǎng)。有幾種方法可以用來(lái)減少掃描時(shí)間，包括矩形視場(chǎng)（ RFOV ）、部分傅里葉成像和采樣截?cái)唷＿@些方法要么導(dǎo)致信噪比（ SNR ）降低，要么導(dǎo)致分辨率降低。有關(guān)更多信息，請(qǐng)參閱k 空間教程：更好地理解 k 空間的 MRI 教育工具。

當(dāng)使用采樣截?cái)嗉夹g(shù)以減少掃描和數(shù)據(jù)傳輸時(shí)間時(shí)，吉布斯現(xiàn)象也稱為振鈴或截?cái)鄠斡?，?huì)出現(xiàn)在結(jié)果圖像中。通常，通過(guò)平滑圖像來(lái)消除吉布斯現(xiàn)象，從而降低圖像分辨率。

在這篇文章中，我們探索了一種使用 NVIDIA Clara AGX 開(kāi)發(fā)者套件的深度學(xué)習(xí)方法，以消除磁共振圖像中的吉布斯現(xiàn)象和噪聲，同時(shí)保持高圖像分辨率。

信號(hào)可以表示為頻率和相位變化的正弦波的無(wú)限和。 MR 圖像通過(guò)使用相對(duì)較少的 h ARM 電子近似，從而導(dǎo)致吉布斯現(xiàn)象的存在。圖 1 顯示了一個(gè)類似的一維情況，即僅用幾個(gè) h ARM 電子近似方波，右側(cè) MRI 模型中的吉布斯現(xiàn)象。

圖 1 。（左）截?cái)鄠斡?，也稱為吉布斯現(xiàn)象，僅使用五個(gè) h ARM 源近似方波時(shí)顯示：Wikipedia. （右）二維 MRI 模型中顯示的吉布斯現(xiàn)象。

數(shù)據(jù)集和模型

我們擴(kuò)展了現(xiàn)有的用于 Gibbs 和噪聲消除的深度學(xué)習(xí)方法 dldegibbs 的工作。有關(guān)更多信息，請(qǐng)參閱擴(kuò)散磁共振成像中 Gibbs 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與去噪。該白皮書(shū)的代碼在/mmuckley/dldegibbs GitHub repo 中。

在他們的工作中，大約 130 萬(wàn)張模擬吉布斯現(xiàn)象和高斯噪聲的 ImageNet 圖像被用作訓(xùn)練數(shù)據(jù)。在我們的項(xiàng)目中，我們測(cè)試了 Muckley 等人開(kāi)發(fā)的一些預(yù)訓(xùn)練 dldegibbs 模型，并使用開(kāi)放圖像數(shù)據(jù)集訓(xùn)練了我們自己的模型。我們最后用 MRI 擴(kuò)散數(shù)據(jù)測(cè)試了不同的模型。

為什么要模擬吉布斯現(xiàn)象？

與其他網(wǎng)絡(luò)相比，使用 dldegibbs 的一個(gè)好處是它不需要訪問(wèn)原始 MRI 數(shù)據(jù)和系統(tǒng)參數(shù)。該數(shù)據(jù)很難獲得，因?yàn)樵摂?shù)據(jù)的存儲(chǔ)要求很高，并且在圖像重建后通常不會(huì)保留該數(shù)據(jù)。

另一個(gè)好處是不需要專有信息或與供應(yīng)商簽署研究協(xié)議。此外，還可以節(jié)省收集和分發(fā)醫(yī)療數(shù)據(jù)的時(shí)間，這可能是一項(xiàng)挑戰(zhàn)。使用異構(gòu)數(shù)據(jù)集（如 ImageNet 或 Open Images ）對(duì)模型進(jìn)行訓(xùn)練有可能使該方法應(yīng)用于其他 MRI 序列或成像模式，因?yàn)橛?xùn)練數(shù)據(jù)本質(zhì)上是對(duì)象不可知的。

dldegibbs 的數(shù)據(jù)加載程序?yàn)槊總€(gè)加載的映像創(chuàng)建兩個(gè)映像：一個(gè)訓(xùn)練映像和一個(gè)目標(biāo)映像。在傅里葉域中模擬原始圖像上的吉布斯現(xiàn)象生成訓(xùn)練圖像。將調(diào)整原始圖像的大小并將其用作目標(biāo)圖像。數(shù)據(jù)加載程序包括標(biāo)準(zhǔn)數(shù)據(jù)增強(qiáng)方法（隨機(jī)翻轉(zhuǎn)、裁剪），然后是隨機(jī)相位模擬和橢圓裁剪。接下來(lái)，對(duì)原始圖像進(jìn)行 FFT 處理，進(jìn)行 Gibbs 裁剪，添加復(fù)高斯噪聲，并模擬部分傅里葉變換。最后，應(yīng)用逆 FFT 對(duì)圖像進(jìn)行歸一化處理。圖 2 顯示了模擬管道。

圖 2 。吉布斯現(xiàn)象方框圖與噪聲模擬。

在這個(gè)項(xiàng)目中，我們使用了由 170 多萬(wàn)張訓(xùn)練圖像組成的開(kāi)放圖像數(shù)據(jù)集。然后，我們?cè)谟?170 名患者（ 996424 個(gè)軸向切片）［5］組成的磁共振擴(kuò)散數(shù)據(jù)集上測(cè)試訓(xùn)練模型。圖 3 顯示了一個(gè)示例 MRI 擴(kuò)散切片。

圖 3 。測(cè)試集中使用的 MRI 擴(kuò)散軸向切片示例。

結(jié)果

圖 4 顯示了使用 dldegibbs 模型測(cè)試的驗(yàn)證圖像示例，該模型使用完全開(kāi)放的圖像訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練。圖 5 顯示了相應(yīng)的錯(cuò)誤。訓(xùn)練圖像在傅里葉空間從 256 × 256 裁剪到 100 × 100 。該模型未模擬部分傅里葉成像。

圖 4 。示例 dldegibbs 輸入（數(shù)據(jù)）、輸出（估計(jì)）和來(lái)自 Open Images 驗(yàn)證數(shù)據(jù)集的目標(biāo)圖像。

圖 5 。數(shù)據(jù)輸入和目標(biāo)之間的誤差（左）和估計(jì)輸出和目標(biāo)之間的誤差（右）。

數(shù)據(jù)與目標(biāo)之間的平均 MSE 為 13 。 2 ± 9 。 2% 。估計(jì)值與目標(biāo)值之間的平均誤差為 2 。 9 ± 2 。 7% 。對(duì)于此圖像， dldegibbs 模型可使圖像質(zhì)量提高 10% 以上。

概括

在這篇文章中，我們提供了一個(gè)可以與 Clara AGX 開(kāi)發(fā)工具包一起使用的解決方案，使用以下資源從 MR 圖像中去除噪聲和吉布斯現(xiàn)象：

一種商用數(shù)據(jù)集，稱為 Open Images

一個(gè)開(kāi)源的 ML 模型，稱為 dldegibbs

關(guān)于作者

Emily Anaya 是 NVIDIA Clara AGX團(tuán)隊(duì)的實(shí)習(xí)生，致力于消除磁共振成像（MRI）中的吉布斯現(xiàn)象和噪音。她也是一名博士。斯坦福大學(xué)電子工程專業(yè)的候選人，她的顧問(wèn)是克雷格·萊文博士。她的研究重點(diǎn)是解決正電子發(fā)射斷層成像和磁共振成像（PET/MRI）組合中的光子衰減問(wèn)題。

Emmett McQuinn 是 NVIDIA Clara AGX 團(tuán)隊(duì)的高級(jí)工程師。埃米特之前是一家助聽(tīng)器初創(chuàng)公司的創(chuàng)始工程師，領(lǐng)導(dǎo)機(jī)器學(xué)習(xí)和 DSP 團(tuán)隊(duì)，具有自主機(jī)器人、科學(xué)可視化和超低功耗神經(jīng)網(wǎng)絡(luò)芯片的工作經(jīng)驗(yàn)。

審核編輯：郭婷