深度学习用于 MRI 重建的综述与实验评估
图像与视频处理
2022-03-11 v3 计算机视觉与模式识别
机器学习
摘要
随着深度学习在广泛应用中的成功，基于神经网络的机器学习技术因加速磁共振成像(MRI)采集与重建策略而受到显著关注。受计算机视觉与图像处理深度学习技术启发的若干思路，已按压缩感知精神成功应用于加速 MRI 的非线性图像重建。鉴于该领域快速发展，亟需对文献中报道的大量深度学习方法进行梳理与总结，以更全面地理解该领域。本文概述了近期提出的、专门用于改进并行成像的基于神经网络的方法。并从基于 k 空间重建方法的经典视角给出了并行 MRI 的一般背景与介绍。涵盖了引入改进正则化的图像域技术，以及专注于使用神经网络更好插值策略的 k 空间方法。尽管该领域每年有大量论文快速演进，本综述试图涵盖在公开数据集上表现良好的方法的大类。文中亦讨论了局限性与开放问题，并考察了为社区生成开放数据集与基准的最新努力。
引用
@article{arxiv.2109.08618,
title = {A review and experimental evaluation of deep learning methods for MRI reconstruction},
author = {Arghya Pal and Yogesh Rathi},
journal= {arXiv preprint arXiv:2109.08618},
year = {2022}
}
备注
Accepted for publication at the Journal of Machine Learning for Biomedical Imaging 2022:2022:001. pp 1-58 Submitted 09/2021; Published 02/2022