基于低秩与生成式子空间建模的加速 MR 指纹成像
图像与视频处理
2023-05-26 v2
摘要
磁共振（MR）指纹成像是一种新兴的多参数定量 MR 成像技术，利用低秩和子空间约束的图像重建方法已取得了最先进的性能。然而，这类方法常受限于病态模型拟合问题，当数据采集长度变短和/或信噪比变低时性能下降。为解决该问题，我们提出一种用于 MR 指纹成像的新图像重建方法，将低秩和子空间建模与深度生成先验相结合。具体而言，所提方法通过低秩分解捕获 MR 指纹成像中对比度加权时间序列图像的强时空相关性。此外，它利用未经训练卷积生成神经网络表示低秩模型的空间子空间，同时基于自旋物理生成的模拟磁化演化估计模型的时间子空间。此处生成神经网络的架构作为病态逆问题的有效正则化器，无需通常获取成本高昂的额外空间训练数据。所提公式导致一个非凸优化问题，我们基于变量分裂和交替方向乘子法开发了相应算法。我们通过数值模拟和体内实验评估所提方法的性能，并证明该方法优于最先进的低秩和子空间重建方法。
引用
@article{arxiv.2305.10651,
title = {Accelerated MR Fingerprinting with Low-Rank and Generative Subspace Modeling},
author = {Hengfa Lu and Huihui Ye and Lawrence L. Wald and Bo Zhao},
journal= {arXiv preprint arXiv:2305.10651},
year = {2023}
}