magnetic resonance imaging 中 k 空间自适应抽样用于快速疾病预测

磁agnetic resonance（MR）成像尽管已被证明具有诊断价值，但仍是疾病监测人群水平层面不可及的成像模态。导致MR不可及的主要因素是扫描时间较长。MR扫描仪收集与潜在解剖结构相关的测量值，称为k空间。创建高保真图像需要收集大量此类测量值，从而增加扫描时间。传统方法通过加速MR扫描来缩短扫描时间，首选方法是从欠抽样k空间数据进行图像重建。然而，最近的研究表明，绕过图像重建，直接从更稀疏的学习子集k空间测量值中检测疾病是可行的。在本工作中，我们提出了用于MR的自适应抽样（ASMR），这是一种学习自适应策略来顺序选择k空间样本，以优化目标疾病检测。在6个8个病理分类任务中，涵盖膝关节、脑部和前列腺MR扫描，ASMR在仅使用8%的k空间时，就能达到完全抽样分类器性能的98%，并且在EMRT、LOUPE和DPS等先前工作的k空间抽样方法中取得优异成绩。