MR-STAT 的加速策略：在台式 PC 上 3 分钟内实现高分辨率重建
医学物理
2022-05-06 v1 图像与视频处理
摘要
MR-STAT 是一种新兴的定量磁共振成像技术，旨在从单次短时扫描中获取多参数组织参数图。它利用全面的体积正演模型描述空间域组织参数与时间域测量信号之间的关系。MR-STAT 重建求解一个大规模非线性问题，因此计算极具挑战性。在先前工作中，使用笛卡尔读出数据的 MR-STAT 重建通过以稀疏带状块近似 Hessian 矩阵得以加速，并可在高性能 CPU 集群上于数十分钟内完成。在当前工作中，我们提出一种结合两种不同策略的加速笛卡尔 MR-STAT 算法：首先，训练神经网络作为快速代理，不仅在完整时域而且在压缩低秩域中学习磁化信号；其次，基于该代理模型，通过交替方向乘子法将笛卡尔 MR-STAT 问题重新表述并拆分为更小的子问题。所提方法大幅降低了运行时间与内存的计算需求。模拟与在体平衡 MR-STAT 实验表明，与先前稀疏 Hessian 方法相比，所提算法重建结果相似，且重建时间至少缩短 40 倍。引入灵敏度编码与正则化项十分简便，并能以可忽略的重建时间增加获得更优图像质量。所提算法可在台式 PC 上于 3 分钟内重建在体平衡与梯度破坏数据，从而有助于 MR-STAT 在临床环境中的转化。
引用
@article{arxiv.2205.02335,
title = {Acceleration Strategies for MR-STAT: Achieving High-Resolution Reconstructions on a Desktop PC within 3 minutes},
author = {Hongyan Liu and Oscar van der Heide and Stefano Mandija and Cornelis A. T. van den Berg and Alessandro Sbrizzi},
journal= {arXiv preprint arXiv:2205.02335},
year = {2022}
}
备注
12 pages, 7 figures, accepted by IEEE Transactions on Medical Imaging (in press)