基于噪声自适应感知的低场MRI图像增强方法

摘要

目的：对低场核磁共振成像（MRI）设备采集的低信噪比、高噪声的MRI图像进行高效且鲁棒的质量提升。方法：针对缺乏一一对应的高场-低场MRI图像的问题，提出在高场MRI图像的K空间数据上进行加噪声和图像域欠采样的低场MRI图像模拟方法，获得用于训练的高场-低场MRI图像数据集。针对难以感知低场MRI图像中噪声强度的问题，提出带有噪声自适应感知分支的双路去噪增强网络，使用公开数据集IXI和fastMRI的数据构建用于训练的数据集，实现对低场图像噪声的有效感知以及对低场图像质量的显著增强。针对难以量化低场图像增强质量的问题，提出采用弗雷歇初始距离（FID）和学习型感知图像块相似度（LPIPS）评估增强后的低场MRI图像的图像质量方法，实现对低场MRI图像增强效果的科学评估。结果：在真实低场数据中，双路去噪增强网络表现出了最好的去噪以及细节保留效果。以IXI数据集进行训练，FID和LPIPS分别为0.472 9和149.649 3；以fastMRI数据集进行训练，FID和LPIPS分别为0.473 4和148.432 3。结论：基于噪声自适应的低场MRI图像增强方法能够较好地对低场图像进行增强，能够有效推进低场MRI设备在临床上的应用。

关键词

低场MRI / 图像增强 / 深度学习 / 双分支网络