先测量再修复：一种用于多伪影三维 MRI 盲修复的可解释智能体

脑部 MRI 扫描可能携带未知混合的伪影，因此恢复必须是盲目的，然而大多数深度学习方法是为校正某一种已知伪影而构建的。我们提出 Dx-Rx，这是一个智能体，其中多模态大语言模型（MLLM）在修复之前先测量疑似伪影。据我们所知，它是首个恢复完整三维 MRI 体数据的智能体，而此前的 MRI 智能体只恢复二维切片。在一个循环中，它查看三维体数据的切片，以任意顺序调用五种诊断工具（噪声、尖峰、鬼影、偏置场、运动）和四种恢复工具，检查每次修复，可以返回任何较早版本以改变顺序，最后以放射学风格报告其诊断理由、所应用的修复及其结果。我们在 148 个完整三维 T1 加权体数据上模拟了最多五种伪影，其水平按放射科医生对真实扫描的分级进行校准。仅查看图像的 MLLM（如早期 MRI 智能体所做的那样）最多去除 19.7% 的伪影误差。在五个 MLLM 中最好的一个配合下，Dx-Rx 平均去除了 64.5%，几乎与相同工具在给定真实伪影（临床扫描中从不可知）时的 64.6% 相当。在所有五个模型下，它没有使任何体数据变差，并且与由相同工具构建的专家规则流水线（62.3%）持平或更好。代码和演示公开于 https://itu-biai.github.io/measure-before-you-repair。

中文由 AI 翻译，仅供参考，以原文为准。