Purpose: It is challenging to recover magnetic susceptibility in the presence of phase errors, which may be caused by noise or strong local-susceptibility shifts in cases of brain hemorrhage and calcification. We propose a Bayesian formulation for quantitative susceptibility mapping (QSM) where a customized Gaussian-mixture distribution is used to model the long-tailed noise distribution. Theory: Complex exponential functions of the phase are used as nonlinear measurements. Wavelet coefficients of the susceptibility map are modeled by the Laplace distribution. Measurement noise is modeled by a two-component Gaussian-mixture distribution, where the second component is reserved to model the noise outliers. The susceptibility map and distribution parameters are jointly recovered using approximate message passing (AMP). Methods: The proposed AMP with built-in parameter estimation (AMP-PE) is compared with the state-of-the-art nonlinear L1-QSM and MEDI approaches that adopt the L1-norm and L2-norm data-fidelity terms respectively. They are tested on the simulated and in vivo datasets. Results: On the simulated Sim2Snr1 dataset, AMP-PE achieved the lowest NRMSE and SSIM, MEDI achieved the lowest HFEN. On the in vivo datasets, AMP-PE is more robust and better at preserving structural details and removing streaking artifacts in the hemorrhage cases than L1-QSM and MEDI. Conclusion: By leveraging a customized Gaussian-mixture noise prior, AMP-PE achieves better performance in challenging cases of brain hemorrhage and calcification. It is equipped with built-in parameter estimation, which avoids subjective bias from the usual visual-tuning step of in vivo reconstruction.


翻译:目的: 在出现相位错误时, 难以恢复磁感, 这可能是由噪音或脑出血和电化情况下的强烈局部感知性变化造成的。 我们建议使用定制的高尔氏混合分布法来模拟长尾噪音分布。 理论: 该阶段复杂的指数性功能用作非线性测量。 易感性图的波列系数是用Laplace分布模型建模的。 测量噪音的模型是由两部分高尔氏混合分布制成的, 其中第二部分保留用于模拟噪声外端。 我们建议使用一个定制的高尔氏混合分布法(QSMS)进行定量感应变配方配方(QSMS) 。 方法: 将具有内建参数估计(AMP- PEPE) 的拟议AMP 与采用L1- 诺姆- 和L2- 诺尔姆数据- 格式化方法的模型。 在SIM1 常规 和IMS IM1 数据变现中, 在SIM- SIMS 最起码的模型中, 和SIM- SIM- SIMS 数据变现中, 的测测测测测得更优。

0
下载
关闭预览

相关内容

CASES:International Conference on Compilers, Architectures, and Synthesis for Embedded Systems。 Explanation:嵌入式系统编译器、体系结构和综合国际会议。 Publisher:ACM。 SIT: http://dblp.uni-trier.de/db/conf/cases/index.html
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年11月8日
Arxiv
0+阅读 · 2022年11月8日
VIP会员
相关VIP内容
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员