拡散モデルを用いた加速MRI再構成のためのアンサンブルおよび低周波混合
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Ensemble and low-frequency mixing with diffusion models for accelerated MRI reconstruction
雑誌名：Med Image Anal. 2025 Apr; 101: 103477.
概 要：
本研究は、磁気共鳴画像法（MRI）の再構成における加速技術として、拡散モデルに基づく新しい手法ELF-Diffを提案します。MRIは詳細な組織構造を提供する重要な診断手法ですが、高品質な画像を得るための長いスキャン時間が課題です。拡散モデルは加速MRIで優れた性能を示していますが、推論時間が長く、アーティファクトや実際には存在しない組織を生成する問題があります。ELF-Diffは、データの一貫性に基づく最適化、低周波混合、予測画像の複数の摂動の集約を含む3つの主要な要素で構成されています。FastMRIおよびSKM-TEAの2つのMRIデータセットで評価した結果、ELF-Diffは既存の拡散モデルを上回り、解剖学的精度においても優れた結果を示しました。
方 法：
本研究は、MRI再構成のための新しい手法ELF-Diffを提案し、FastMRIおよびSKM-TEAの2つのデータセットで評価しました。ELF-Diffは、逆拡散ステップにおいて、データの一貫性に基づく最適化、低周波混合、予測画像の複数の摂動の集約を行います。これにより、推論時間の短縮とアーティファクトの低減を図ります。
結 果：
ELF-Diffは、FastMRIおよびSKM-TEAデータセットにおいて、既存の拡散モデルを上回る性能を示しました。さらに、病理検出のサブタスクを含む広範な実験において、解剖学的精度が優れていることが確認されました。ELF-Diffは、特定のアンダーサンプリングパターンに制限されることなく、最先端のMRI再構成手法を上回る結果を示しました。
結 論：
ELF-Diffは、加速MRI再構成において優れた性能を発揮し、解剖学的精度を向上させる可能性があることが示されました。この手法は、臨床でのMRIの迅速な取得に寄与することが期待されます。