一种用于多参数定量 MRI 的即插即用方法：使用预训练深度去噪器的图像重建
图像与视频处理
2022-02-14 v1 计算机视觉与模式识别
摘要
当前用于磁共振指纹成像（MRF）的时空深度学习方法构建了针对特定 k 空间欠采样模式的伪影去除模型，该模式用于快速（压缩）采集。当深度学习模型训练期间采集过程未知和/或在测试期间发生变化时，这可能不再有用。本文提出了一种迭代的深度学习即插即用重建方法用于 MRF，该方法能自适应于前向采集过程。时空图像先验由一个图像去噪器（即卷积神经网络（CNN））学习，该网络经过训练可从数据中去除通用高斯白噪声（而非特定的欠采样伪影）。然后，该 CNN 去噪器被用作迭代重建算法中的数据驱动收缩算子。随后，使用相同的去噪器模型，在具有不同欠采样模式的两种模拟采集过程上测试了该算法。结果显示，针对两种采集方案，该算法均表现出一致的去混叠性能，并能精确映射组织的定量生物特性。软件可用：https://github.com/ketanfatania/QMRI-PnP-Recon-POC
引用
@article{arxiv.2202.05269,
title = {A Plug-and-Play Approach to Multiparametric Quantitative MRI: Image Reconstruction using Pre-Trained Deep Denoisers},
author = {Ketan Fatania and Carolin M. Pirkl and Marion I. Menzel and Peter Hall and Mohammad Golbabaee},
journal= {arXiv preprint arXiv:2202.05269},
year = {2022}
}