基于 B 样条参数化的重建与 k 空间轨迹联合优化 (BJORK) 用于加速二维 MRI
信号处理
2022-04-15 v3 图像与视频处理
摘要
优化 k 空间采样轨迹是快速磁共振成像 (MRI) 中一个大有前景却充满挑战的课题。本工作提出以监督学习方式，针对图像重建质量联合优化重建方法与采样轨迹。我们用二次 B 样条核参数化轨迹以减少参数量，并应用多尺度优化，这可能有助于避免次优局部极小。该算法包含高效的非笛卡尔展开式神经网络重建，以及通过非均匀快速傅里叶变换 (NUFFT) 算子进行反向传播的高精度近似，以准确重建并反向传播多通道非笛卡尔数据。对转换率与梯度幅值的惩罚强制了硬件约束。采样与重建使用大型公开数据集联合训练。为校正弯曲轨迹可能引入的涡流效应，我们采用铅笔束轨迹映射技术。在仿真与体内实验中，对于 10 倍加速因子，所学轨迹相较先前基于模型与基于学习的轨迹优化方法均展现出显著改善的图像质量。尽管采用基于神经网络的重建进行训练，所提轨迹在基于压缩感知的重建下也带来了图像质量的提升。
引用
@article{arxiv.2101.11369,
title = {B-spline Parameterized Joint Optimization of Reconstruction and K-space Trajectories (BJORK) for Accelerated 2D MRI},
author = {Guanhua Wang and Tianrui Luo and Jon-Fredrik Nielsen and Douglas C. Noll and Jeffrey A. Fessler},
journal= {arXiv preprint arXiv:2101.11369},
year = {2022}
}
备注
13 pages, 14 figures