换一批基于深度学习的磁共振运动伪影校正技术及其应用进展
Application and prospects of deep learning-based MRI motion artifact correction technology
摘要MRI易受运动伪影的影响而降低图像质量和诊断准确性.传统运动伪影校正技术虽能在一定程度上改善图像质量,但效果往往受到限制,且处理成本较高,无法高效处理复杂的运动模式和伪影类型.深度学习(deep learning,DL)技术凭借强大的特征学习能力,为该问题提供了新的解决思路.近年来有关DL校正运动伪影的研究数量逐渐增多,然而当前研究在技术范式、研究路线及应用场景等方面存在较大差异,缺乏系统梳理.尽管国内外已有部分学者对该领域研究进行了综述和归纳,但目前的工作仍存在不同方案和架构之间共同点和创新点讨论不足,梳理逻辑或设置的研究场景较为单一等不足.由此,本文对近十年来基于DL的MRI运动伪影校正技术进行了系统综述,分析当前方法在数据获取、泛化能力及临床转化等方面的局限性.本文旨在为后续基于DL的MRI运动伪影校正研究提供系统化的技术参考与新的研究视角,同时为该技术在临床成像质量优化和诊断实践中的应用提供借鉴.
更多相关知识
关键词
磁共振成像运动伪影深度学习人工智能图像质量评估magnetic resonance imagingmotion artifactsdeep learningartificial intelligenceimage quality assessment
分类号
R445.2（诊断学）
栏目名称
DOI
10.12015/issn.1674-8034.2026.02.033
发布时间
2026-03-16（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
