用于 MRI 重建的深度复值卷积神经网络分析
图像与视频处理
2020-09-02 v4 计算机视觉与模式识别
机器学习
医学物理
摘要
许多现实世界的信号源是复值的，具有实部和虚部。然而，绝大多数现有的深度学习平台和网络架构不支持复值数据的使用。MRI 数据本质上是复值的，因此现有方法丢弃了复值数据更丰富的代数结构。在这项工作中，我们研究了端到端的复值卷积神经网络——具体而言，是用于图像重建以替代双通道实值网络。我们将其应用于磁共振成像重建，以加速扫描时间，并确定了各种有前景的复值激活函数的性能。我们发现，在多种网络架构和数据集上，具有复值卷积的复值 CNN 与具有相同数量可训练参数的实值卷积相比，提供了更优的重建效果。
引用
@article{arxiv.2004.01738,
title = {Analysis of Deep Complex-Valued Convolutional Neural Networks for MRI Reconstruction},
author = {Elizabeth K. Cole and Joseph Y. Cheng and John M. Pauly and Shreyas S. Vasanawala},
journal= {arXiv preprint arXiv:2004.01738},
year = {2020}
}