面向加速磁共振成像的忠实深度灵敏度估计
图像与视频处理
2023-12-27 v3 人工智能
机器学习
摘要
磁共振成像（MRI）是一种重要的诊断工具，但存在扫描时间过长的缺点。为缓解这一局限，先进的快速MRI技术引起了广泛的研究兴趣。最近的深度学习在提升图像质量与重建速度方面已展现出巨大潜力。忠实的线圈灵敏度估计对MRI重建至关重要。然而，大多数深度学习方法仍依赖预估计的灵敏度图并忽略其不准确性，导致重建图像质量显著下降。本工作中，我们提出一种联合深度灵敏度估计与图像重建网络，称为JDSI。在去除图像伪影的过程中，它逐步提供更含高频信息且更忠实的灵敏度图，从而改善图像重建。为理解该网络的行为，通过对网络中间结果的可视化揭示了灵敏度估计与图像重建的相互促进。在体数据集与放射科医生阅片研究的结果表明，无论基于校准还是无校准重建，所提JDSI在视觉与定量上均达到最先进（SOTA）性能，尤其在加速因子较高时。此外，JDSI对患者与自校准信号具有良好的鲁棒性。
引用
@article{arxiv.2210.12723,
title = {A Faithful Deep Sensitivity Estimation for Accelerated Magnetic Resonance Imaging},
author = {Zi Wang and Haoming Fang and Chen Qian and Boxuan Shi and Lijun Bao and Liuhong Zhu and Jianjun Zhou and Wenping Wei and Jianzhong Lin and Di Guo and Xiaobo Qu},
journal= {arXiv preprint arXiv:2210.12723},
year = {2023}
}
备注
12 pages, 13 figures, 7 tables