AID-DTI：利用保细节的模型驱动深度学习加速高保真扩散张量成像
计算机视觉与模式识别
2024-01-04 v1 图像与视频处理
摘要
深度学习在加速扩散张量成像 (DTI) 方面展现出巨大潜力。然而，现有方法在重建 DTI 导出的参数图时，尤其是在使用稀疏采样的 q-空间数据时，往往会受到 Rician 噪声和细节损失的影响。本文提出了一种名为 AID-DTI（加速高保真扩散张量成像）的新方法，仅需六次测量即可实现快速准确的 DTI。AID-DTI 配备了一个新设计的基于奇异值分解 (SVD) 的正则化器，该正则化器能够在网络训练期间有效捕捉精细细节并同时抑制噪声。在人类连接组计划 (HCP) 数据上的实验结果表明，所提出的方法能够估计出具有细粒度细节的 DTI 参数图，并在定量和定性上均优于三种最先进的方法。
引用
@article{arxiv.2401.01693,
title = {AID-DTI: Accelerating High-fidelity Diffusion Tensor Imaging with Detail-Preserving Model-based Deep Learning},
author = {Wenxin Fan and Jian Cheng and Cheng Li and Xinrui Ma and Jing Yang and Juan Zou and Ruoyou Wu and Qiegen Liu and Shanshan Wang},
journal= {arXiv preprint arXiv:2401.01693},
year = {2024}
}