基于深度学习的自由呼吸下腹部磁共振图像运动校正方法研究

In abdominal magnetic resonance imaging, respiratory motion will induce abdominal movements causing shift of organs. This will result in blurring of organs and deformation of vessels in MR images, not only affecting the diagnosis and treatments of clinicians but also reducing the productivity and economic benefits of hospitals. To solve this problem, this project aims at developing deep learning based approaches for image reconstruction and registration techniques to reduce the artifacts and the fitting errors of the functional parameters. The contents of this project are as follows: (1) Design a Wasserstein distance and perceptual similarity based generated adversarial network model, which can eliminate the streaking artifacts of highly undersampled images. (2) Propose a registration method using adversarial similarity network, to improve the alignments of the reconstructed images of different bins derived from the respiratory location accurately and quickly. (3) Design a strategy based on a joint motion estimation and segmentation network, to reduce the inaccuracy of functional parameter estimation during free-breathing in multi-b-value diffusion-weighted or dynamic contrast enhanced images. Solving the three issues above, the research effort of this proposal will provide powerful technical support for the clinical implementation of free-breathing abdominal magnetic resonance imaging.

在腹部磁共振成像中，呼吸运动会引起腹部脏器的移动，导致图像中出现器官模糊以及血管变形，不仅影响了临床医生的诊断和治疗，也降低了医院的工作效率和经济收益。为了解决这个问题，本项目旨在通过提出基于深度学习的图像重建和配准技术，来减少自由呼吸下采集的腹部磁共振图像中产生的伪影以及功能参数拟合的误差。具体研究内容包括：（1）针对高倍欠采样MRI图像中含有条纹伪影的问题，建立结合Wasserstein距离和感知相似度生成式对抗网络模型；（2）针对全采样的不同组已重建数据间的运动位移问题，提出基于对抗相似网络的配准方法；（3）针对在多B值扩散加权图像及动态增强图像采集期间，肾脏位置不一致将引起功能参数估计不准确的问题，设计一种结合运动估计和分割的肾脏图像配准策略。通过上述三个问题的解决，本研究将为临床真正实施自由呼吸下腹部MRI成像提供有力的技术支持。

在腹部磁共振成像中，呼吸运动会引起腹部脏器的移动，导致图像中出现器官模糊以及血管变形，不仅影响了临床医生的诊断和治疗，也降低了医院的工作效率和经济收益。本项目基于深度学习的技术，提出了一系列的有效解决方案，来减少自由呼吸下采集的腹部磁共振图像中产生的伪影以及功能参数估计的误差。首先，针对高倍欠采样MRI图像中含有条纹伪影的问题，我们建立了多个生成式对抗网络框架，并结合迁移学习技术，提高了图像重建性能；其次，针对多对比度图像之间存在运动位移问题，我们提出了基于Transformer的多模态图像融合技术，同时引入了高频细节保真模块，进一步从后处理的角度提高了图像细节恢复能力；最后，针对腹部动态图像采集期间，肝脏/肾脏位置不一致将引起功能参数估计不准确的问题，我们设计了一种结合图像重建和分割的多任务策略，为实现快速腹部脏器分割和重建提供了切入点。因此，本项目为临床真正实施自由呼吸下腹部MRI成像提供了有力的技术支持。项目产出以第一或通讯作者共发表SCI论文9篇，国际会议论文4篇；申请7项国家专利，已授权2项实用新型专利；培养研究生8名；参加国际学术会议交流3次，超额完成了目标任务。