基于无参考自监督深度学习的20倍加速7T fMRI重建
图像与视频处理
2021-05-13 v1 计算机视觉与模式识别
机器学习
信号处理
医学物理
摘要
全脑高空间与时间分辨率对于准确解析fMRI中的神经活动至关重要。因此，加速成像技术旨在以高时空分辨率改善覆盖。同时多切片（SMS）成像结合平面内加速被用于涉及超高场fMRI的大型研究，例如人类连接组计划。然而，对于更高的加速率，由于混叠与噪声伪影，这些方法无法可靠使用。深度学习（DL）重建技术近来在改进高度加速MRI方面获得极大关注。DL重建的监督学习通常需要全采样训练数据集，而高分辨率fMRI研究无法提供。为应对此挑战，自监督学习被提出用于仅以欠采样数据集训练DL重建，并展现出与监督学习相近的性能。在本研究中，我们对5倍SMS与4倍平面内加速的7T fMRI数据采用自监督物理引导DL重建。我们的结果表明，我们的自监督DL重建在该20倍加速下生成高质量图像，显著优于现有方法，同时在后续分析中展现出与标准10倍加速采集相近的功能精度与时间效应。
引用
@article{arxiv.2105.05827,
title = {20-fold Accelerated 7T fMRI Using Referenceless Self-Supervised Deep Learning Reconstruction},
author = {Omer Burak Demirel and Burhaneddin Yaman and Logan Dowdle and Steen Moeller and Luca Vizioli and Essa Yacoub and John Strupp and Cheryl A. Olman and Kâmil Uğurbil and Mehmet Akçakaya},
journal= {arXiv preprint arXiv:2105.05827},
year = {2021}
}