基于深度 Chambolle-Pock 网络加速磁共振成像
图像与视频处理
2019-05-30 v1 医学物理
摘要
压缩感知(CS)已被引入以加速磁共振成像中的数据采集。然而,CS-MRI 方法在较大加速倍数下存在细节丢失和参数选择复杂的问题。为克服现有 CS-MRI 方法的局限,本文提出一种模型驱动的磁共振重建方法,训练一个名为 CP-net 的深度网络;该网络由 Chambolle-Pock 算法推导而来,用于从不同型号磁共振扫描仪获取的高度欠采样复数 k 空间数据重建人体脑部在体 MR 图像。所提出的深度网络能够学习 Chambolle-Pock 算法中的近端算子与参数。所有实验表明,所提出的 CP-net 取得了更精确的 MR 重建结果,在各种定量指标上优于当前最优方法。
引用
@article{arxiv.1905.09525,
title = {Accelerating MR Imaging via Deep Chambolle-Pock Network},
author = {Haifeng Wang and Jing Cheng and Sen Jia and Zhilang Qiu and Caiyun Shi and Lixian Zou and Shi Su and Yuchou Chang and Yanjie Zhu and Leslie Ying and Dong Liang},
journal= {arXiv preprint arXiv:1905.09525},
year = {2019}
}
备注
4 pages, 5 figures, 1 table, Accepted at 2019 IEEE 41st Engineering in Medicine and Biology Conference (EMBC 2019)