用于 MR 图像重建的盲基监督(BLIPS)学习
图像与视频处理
2021-04-13 v1
摘要
本文研究了一种结合基于字典的盲学习与深度监督学习的联合监督-无监督框架，用于从欠采样 k 空间数据重建 MR 图像。该工作的一个主要重点是探究在传统基于自适应稀疏先验的浅层重建与基于深度先验的重建中，所学特征可能存在的协同作用。具体而言，我们提出了一种利用展开网络来精炼基于盲字典学习重建结果的框架。我们在多个不同规模与解剖结构的数据集上，将所提方法与严格的基于监督深度学习重建方法进行比较。我们还将所提方法与 MR 图像重建中结合基于字典方法与监督学习的其他替代方法进行比较。所提框架带来的改进表明，基于盲字典的方法保留了精细的图像细节，而监督方法可对其进行迭代精炼，这说明两种方法学到的特征是互补的。
引用
@article{arxiv.2104.05028,
title = {Blind Primed Supervised (BLIPS) Learning for MR Image Reconstruction},
author = {Anish Lahiri and Guanhua Wang and Saiprasad Ravishankar and Jeffrey A. Fessler},
journal= {arXiv preprint arXiv:2104.05028},
year = {2021}
}