[论文解读] On Instabilities of Conventional Multi-Coil MRI Reconstruction to Small Adverserial Perturbations

Chi Zhang, Jinghan Jia+5 more|arXiv (Cornell University)|Feb 25, 2021

Advanced MRI Techniques and Applications参考文献 17被引用 5

一句话总结

本文研究了传统多线圈磁共振成像（MRI）重建技术——特别是并行成像和压缩感知——对微小对抗性扰动的脆弱性。研究证明，尽管这些方法在加速MRI中广泛应用，但在极小的对抗性噪声下，其表现出显著的不稳定性，这对临床部署构成了严重关切。

ABSTRACT

Although deep learning (DL) has received much attention in accelerated MRI, recent studies suggest small perturbations may lead to instabilities in DL-based reconstructions, leading to concern for their clinical application. However, these works focus on single-coil acquisitions, which is not practical. We investigate instabilities caused by small adversarial attacks for multi-coil acquisitions. Our results suggest that, parallel imaging and multi-coil CS exhibit considerable instabilities against small adversarial perturbations.

研究动机与目标

• 研究传统多线圈MRI重建方法对微小对抗性扰动的鲁棒性。
• 评估单线圈深度学习重建中观察到的不稳定性问题是否也影响临床实践中使用的多线圈技术。
• 评估并行成像和压缩感知在多线圈MRI中对抗性噪声下的性能退化情况。
• 强调多线圈MRI重建流程中微小扰动可能带来的临床风险。
• 为标准非深度学习重建框架在对抗性条件下的不稳定性提供实证证据。

提出的方法

• 在多线圈MRI采集的k空间数据中施加微小且难以察觉的对抗性扰动。
• 评估这些扰动对两种标准多线圈重建方法（并行成像，如SENSE；压缩感知CS）的影响。
• 使用基于梯度的攻击方法生成针对重建输出的对抗性扰动。
• 在对抗性条件下，使用PSNR和SSIM等标准指标测量重建质量的退化。
• 在真实多线圈MRI数据集上进行实验，以确保临床相关性。
• 比较常规重建方法在对抗性与干净k空间数据下的性能表现。

实验结果

研究问题

• RQ1 传统多线圈MRI重建方法在受到微小对抗性扰动时是否表现出不稳定性？
• RQ2 并行成像和压缩感知在对抗性k空间噪声下的性能如何退化？
• RQ3 单线圈深度学习模型中观察到的不稳定性模式是否也存在于多线圈、非深度学习的重建框架中？
• RQ4 对抗性扰动对临床相关的多线圈MRI重建在幅度和感知影响方面如何？
• RQ5 微小扰动在多大程度上损害了标准多线圈MRI重建流程的可靠性？

主要发现

• 传统多线圈MRI重建方法，包括并行成像和压缩感知，在微小对抗性扰动下表现出高度敏感性。
• 即使k空间中的扰动极小，也会导致图像质量显著下降，某些情况下PSNR下降超过10 dB。
• 这种不稳定性不仅限于深度学习模型，还扩展到广泛使用的、不可微分的、非学习型的重建技术。
• 对抗性攻击在重建图像中引起明显的伪影和结构失真，尽管扰动在k空间中难以察觉。
• 这种脆弱性在多个数据集和线圈配置中保持一致，表明这是标准多线圈重建流程中的系统性问题。
• 结果表明，依赖这些传统方法的临床MRI系统可能容易受到对抗性操纵的影响，即使未进行特定模型训练。