一种用于欠采样膝关节 MRI 重建的自适应智能算法
图像与视频处理
2020-10-28 v2 计算机视觉与模式识别
摘要
自适应智能旨在借助领域知识的额外运用来增强机器学习技术。在本工作中，我们展示自适应智能在加速 MR 采集中的应用。从欠采样 k 空间数据出发，采用受压缩感知理论启发的基于迭代学习的重建方案来重建图像。我们采用深度神经网络，依据训练数据细化并修正先前的重建假设。该网络在由 Facebook AI Research 与 NYU Langone Health 组织的 2019 fastMRI 挑战赛的膝关节 MRI 数据集上训练和测试。所有提交至挑战赛的结果最初基于与已知真值的相似性排名，之后前 4 名提交结果接受放射学评估。我们的方法由 fastMRI 组织者在独立挑战赛数据集上评估。它在 8 倍加速多线圈、4 倍多线圈和 4 倍单线圈赛道上分别排名第 1、并列第 1 和第 3。这证明了该方法优越的性能与广泛的适用性。
引用
@article{arxiv.2004.07339,
title = {An Adaptive Intelligence Algorithm for Undersampled Knee MRI Reconstruction},
author = {Nicola Pezzotti and Sahar Yousefi and Mohamed S. Elmahdy and Jeroen van Gemert and Christophe Schülke and Mariya Doneva and Tim Nielsen and Sergey Kastryulin and Boudewijn P. F. Lelieveldt and Matthias J. P. van Osch and Elwin de Weerdt and Marius Staring},
journal= {arXiv preprint arXiv:2004.07339},
year = {2020}
}