Meta-learning Slice-to-Volume Reconstruction in Fetal Brain MRI using Implicit Neural Representations
Created by
Haebom
저자
Maik Dannecker, Thomas Sanchez, Meritxell Bach Cuadra, Ozgun Turgut, Anthony N. Price, Lucilio Cordero-Grande, Vanessa Kyriakopoulou, Joseph V. Hajnal, Daniel Rueckert
개요
본 논문은 움직이는 피사체(예: 태아 뇌 MRI)의 영상 기반 진단에서 다중 동작 손상 저해상도 2D 슬라이스로부터 고해상도 슬라이스-투-볼륨 재구성(SVR)을 수행하는 새로운 방법을 제안합니다. 기존 방법들은 영상 인공물과 심각한 피사체 움직임에 어려움을 겪거나 만족스러운 재구성 성능을 위해 슬라이스 사전 정렬을 필요로 합니다. 본 연구에서는 암묵적 신경 표현에 기반한 동작 보정, 이상치 처리, 초해상도 재구성을 수행하는 SVR 방법을 제시합니다. 모델은 시뮬레이션 또는 실제 데이터에 대한 완전 자기 지도형 메타 학습을 통해 작업별 사전 정보로 초기화될 수 있습니다. 480개 이상의 시뮬레이션 및 임상 MRI 뇌 데이터 재구성 실험을 통해 심각한 피사체 움직임과 영상 인공물이 있는 경우에도 본 방법의 유용성을 증명합니다. 결과는 기존 최첨단 방법에 비해 특히 심각한 움직임이 있는 경우 재구성 품질이 향상되고 재구성 시간이 최대 50% 단축됨을 보여줍니다.
시사점, 한계점
•
시사점:
◦
심각한 움직임과 영상 인공물이 있는 경우에도 빠르고 정확한 MRI 재구성을 가능하게 합니다.
◦
기존 방법보다 향상된 재구성 품질을 제공합니다.
◦
재구성 시간을 최대 50% 단축합니다.
◦
암묵적 신경 표현 기반의 통합된 접근 방식을 제시합니다.
◦
시뮬레이션 및 실제 데이터를 이용한 자기 지도 학습을 통해 모델을 효과적으로 초기화합니다.
