3D FLAT：用于加速 MRI 的可行学习型采集轨迹
图像与视频处理
2020-08-12 v1 计算机视觉与模式识别
机器学习
摘要
磁共振成像（MRI）长期以来被认为是当今诊断成像的金标准之一。MRI 最显著的缺点是采集时间长，使其在某些应用的标准实践中无法使用。压缩感知（CS）提出对 k 空间（与空间坐标物理空间对偶的傅里叶域）进行欠采样，从而显著加速采集。然而，压缩感知的优势尚未被充分利用；通过 CS 获得的大多数采样密度所产生的轨迹并不满足实践中 MRI 机器的严格约束。受基于深度学习的图像重建方法近期成功以及计算成像中关于成像系统基于学习的设计的启发，我们提出 3D FLAT，一种用于 MRI 中三维非笛卡尔加速轨迹数据驱动设计的新方案。我们的方案利用整个三维 k 空间，同时学习物理可行的采集轨迹与重建方法。作为概念验证进行的实验结果表明，与径向、星状堆叠或二维学习型轨迹（仅在二维平面内演化而在第三维完全采样的轨迹）等标准轨迹相比，3D FLAT 在给定读出时间内实现了更高的图像质量。此外，我们展示了支持使用非笛卡尔三维轨迹（而非逐层采集的二维非笛卡尔轨迹）进行 MRI 采集具有显著优势的证据。
引用
@article{arxiv.2008.04808,
title = {3D FLAT: Feasible Learned Acquisition Trajectories for Accelerated MRI},
author = {Jonathan Alush-Aben and Linor Ackerman-Schraier and Tomer Weiss and Sanketh Vedula and Ortal Senouf and Alex Bronstein},
journal= {arXiv preprint arXiv:2008.04808},
year = {2020}
}