通过比较不同方法的数据质量评估，发现困惑度方法在去除噪声和提升数据集质量方面效果好。只使用原始训练数据的30%进行训练，能改进基准模型，为筛选高质量数据集提供新方法。预训练数据的大部分可删除而保持性能。

本研究介绍了一种深度学习模型，用于检测脑部MRI图像中的刚体运动，提高数据质量评估的效率。该模型是ArtifactID工具的一部分，可自动检测Gibbs环绕、穿越和运动伪影。适用于资源匮乏的磁共振环境。