加速 MRI 临床适配的一条路径
图像与视频处理
2022-12-01 v3 计算机视觉与模式识别
机器学习
摘要
加速 MRI 从稀疏采样的信号数据重建临床解剖结构图像，以减少患者扫描时间。尽管近期工作已利用深度学习完成此任务，但此类方法常仅在无信号损坏或资源限制的模拟环境中探索。本工作中，我们探索对神经网络 MRI 图像重建器的增强以提升其临床相关性。具体而言，我们提出一种用于检测图像伪影来源的卷积网络模型，其分类器 分数达 79.1%。我们还证明，在具有可变加速因子的 MR 信号数据上训练重建器，可在临床患者扫描期间将其平均性能提升多达 2%。我们提供一种损失函数，以克服模型学习重建多解剖结构与方位 MR 图像时的灾难性遗忘。最后，我们提出一种在有限临床采集数据集与计算能力情况下使用模拟体模数据预训练重建器的方法。我们的结果提供了加速 MRI 临床适配的潜在前进路径。
引用
@article{arxiv.2208.12835,
title = {A Path Towards Clinical Adaptation of Accelerated MRI},
author = {Michael S. Yao and Michael S. Hansen},
journal= {arXiv preprint arXiv:2208.12835},
year = {2022}
}
备注
Accepted to ML4H 2022