一种融合数据驱动与主体驱动先验的少样本加速MRI学习方法
计算机视觉与模式识别
2021-03-16 v1 图像与视频处理
摘要
深度神经网络(DNNs)近来在加速MRI重建中得到了新兴应用。DNNs通常从由欠采样与全采样采集对构成的大型数据集中学习数据驱动先验。然而,获取此类大型数据集可能并不现实。为缓解这一限制,我们提出了一种用于加速MRI的少样本学习方法,该方法将通过物理信号模型获得的主体驱动先验与从少量训练样本中取得的数据驱动先验相融合。在NYU fastMRI数据集的脑MR图像上的演示表明,所提方法仅需少量样本即可优于传统并行成像与DNN算法。
引用
@article{arxiv.2103.07790,
title = {A Few-Shot Learning Approach for Accelerated MRI via Fusion of Data-Driven and Subject-Driven Priors},
author = {Salman Ul Hassan Dar and Mahmut Yurt and Tolga Çukur},
journal= {arXiv preprint arXiv:2103.07790},
year = {2021}
}
备注
Accepted for presentation at the 29th Annual Meeting of the International Society of Magnetic Resonance in Medicine (ISMRM)