用于加速MRI重建的注意力混合变分网络
图像与视频处理
2023-06-22 v1 计算机视觉与模式识别
机器学习
医学物理
摘要
基于压缩感知(CS)的数据重建用于加速磁共振成像(MRI)仍是一个具有挑战性的问题。这是因为加速掩模在k空间中丢失的信息使得难以重建出与全采样图像质量相近的图像。已有多种基于深度学习的MRI重建结构被提出，利用CS在k空间与图像域中以及通过展开优化方法实现。然而，这些结构的缺陷在于未充分利用两个域（k空间与图像）的信息。在此，我们提出了一种基于深度学习的注意力混合变分网络，该网络在k空间与图像域中均进行学习。我们在一个知名开源MRI数据集及来自本机构、诊断为卒中的患者的临床MRI数据集上评估了我们的方法，以展示我们网络的性能。除定量评估外，我们还由一名经亚专科训练的放射科医生对跨网络的影像质量进行了盲法比较。总体而言，我们证明我们的网络在多个重建任务下均取得了优于其他方法的性能。
引用
@article{arxiv.2306.12365,
title = {Attention Hybrid Variational Net for Accelerated MRI Reconstruction},
author = {Guoyao Shen and Boran Hao and Mengyu Li and Chad W. Farris and Ioannis Ch. Paschalidis and Stephan W. Anderson and Xin Zhang},
journal= {arXiv preprint arXiv:2306.12365},
year = {2023}
}
备注
22 pages, 4 figures, 3 tables