基于强化学习的主动MR k空间采样
图像与视频处理
2020-10-09 v2 计算机视觉与模式识别
摘要
深度学习方法近期在加速磁共振成像(MRI)采集方面展现出巨大前景。现有工作大多聚焦于在给定预定采集轨迹下设计更好的重建模型，忽视了轨迹优化问题。本文中，我们专注于在固定图像重建模型下学习采集轨迹。我们将该问题表述为序贯决策过程，并提议使用强化学习来求解。在一个大规模公开膝关节MRI数据集上的实验表明，我们所提模型在主动MRI采集方面显著优于最先进水平，且适用于大范围的加速因子。
引用
@article{arxiv.2007.10469,
title = {Active MR k-space Sampling with Reinforcement Learning},
author = {Luis Pineda and Sumana Basu and Adriana Romero and Roberto Calandra and Michal Drozdzal},
journal= {arXiv preprint arXiv:2007.10469},
year = {2020}
}
备注
Presented at the 23rd International Conference on Medical Image Computing and Computer Assisted Intervention, MICCAI 2020