用于MR图像重建的深度卷积神经网络级联
计算机视觉与模式识别
2017-03-03 v1
摘要
磁共振成像(MRI)的采集本身缓慢。受深度学习近期进展的启发，我们提出了一种利用深度卷积神经网络级联从欠采样数据重建MR图像以加速数据采集过程的框架。我们表明，对于2D心脏MR图像的笛卡尔欠采样，所提方法在重建误差、感知质量和重建速度方面优于基于字典学习的MRI (DLMRI) 等最先进的压缩感知方法，在3倍和6倍欠采样下均如此。与DLMRI相比，所提方法产生的误差大约小一半，从而能够更忠实地保留解剖结构。使用我们的方法，每张图像可在23毫秒内重建，其速度足以支持实时应用。
引用
@article{arxiv.1703.00555,
title = {A Deep Cascade of Convolutional Neural Networks for MR Image Reconstruction},
author = {Jo Schlemper and Jose Caballero and Joseph V. Hajnal and Anthony Price and Daniel Rueckert},
journal= {arXiv preprint arXiv:1703.00555},
year = {2017}
}