三维多线圈NC-PDNet MRI重建基准测试
图像与视频处理
2024-11-12 v1 计算机视觉与模式识别
摘要
深度学习在从不完整数据中重建MRI方面展现了巨大前景，但缺乏对非笛卡尔欠采样三维并行成像采集性能验证的研究。此外，伪影和由此产生的图像质量取决于欠采样模式。为了填补这一空白，我们将最先进的展开神经网络——非笛卡尔原对偶网络（NC-PDNet）扩展到三维多线圈设置。我们评估了通道特定与通道无关训练配置的影响，并考察了线圈压缩的效果。最后，我们以六倍加速因子对四种不同的非笛卡尔欠采样模式进行了基准测试，使用公开可用的Calgary-Campinas数据集。结果表明，在压缩数据上训练的NC-PDNet在不同输入通道数下实现了平均42.98 dB的PSNR，用于1 mm各向同性32通道全脑三维重建。推理时间为4.95秒，GPU内存占用为5.49 GB，我们的方法展示了在临床研究应用中的巨大潜力。
引用
@article{arxiv.2411.05883,
title = {Benchmarking 3D multi-coil NC-PDNet MRI reconstruction},
author = {Asma Tanabene and Chaithya Giliyar Radhakrishna and Aurélien Massire and Mariappan S. Nadar and Philippe Ciuciu},
journal= {arXiv preprint arXiv:2411.05883},
year = {2024}
}