一种用于欠采样磁共振图像重建的即插即用合成数据深度学习方法
图像与视频处理
2023-10-10 v2 人工智能
摘要
磁共振成像(MRI)在现代医学诊断中发挥着重要作用,但存在扫描时间过长的问题。当前用于欠采样MRI重建的深度学习方法在图像去混叠方面表现出良好性能,这些方法可针对特定的k空间欠采样场景进行定制。但当采样设置改变时,配置不同的深度网络非常麻烦。在本工作中,我们提出一种用于欠采样MRI重建的深度即插即用方法,其能有效适应不同的采样设置。具体而言,首先通过训练一个深度去噪器从合成数据中去除一般白高斯噪声来学习图像去混叠先验。然后将学到的深度去噪器插入到迭代重建算法中。在活体数据上的结果表明,所提方法在不同欠采样模式和采样率下,无论在视觉上还是定量上均能提供良好且鲁棒的加速图像重建性能。
引用
@article{arxiv.2309.06681,
title = {A plug-and-play synthetic data deep learning for undersampled magnetic resonance image reconstruction},
author = {Min Xiao and Zi Wang and Jiefeng Guo and Xiaobo Qu},
journal= {arXiv preprint arXiv:2309.06681},
year = {2023}
}
备注
5 pages, 3 figures