使用带细化模块的卷积循环网络进行电影式心脏 MRI 重建
图像与视频处理
2024-02-13 v1 计算机视觉与模式识别
机器学习
摘要
电影式磁共振成像 (MRI) 能以无创方式了解心脏的功能与状况。对 空间进行欠采样可缩短扫描时间，从而提高患者舒适度并降低运动伪影风险，代价是图像质量下降。在本挑战论文中，我们研究使用卷积循环神经网络 (CRNN) 架构，在有监督的电影式心脏 MRI 重建中利用时间相关性。这结合单图像超分辨率细化模块，与朴素 CRNN 实现相比，将单线圈重建的结构相似性提高了 4.4%，归一化均方误差降低了 3.9%。我们对 损失部署高通滤波器，以更重点关注原始数据中缺失的高频细节。所提模型相比基线情况有显著提升，并展现出进一步改进心脏 MRI 重建的良好潜力。
引用
@article{arxiv.2309.13385,
title = {Cine cardiac MRI reconstruction using a convolutional recurrent network with refinement},
author = {Yuyang Xue and Yuning Du and Gianluca Carloni and Eva Pachetti and Connor Jordan and Sotirios A. Tsaftaris},
journal= {arXiv preprint arXiv:2309.13385},
year = {2024}
}
备注
MICCAI STACOM workshop 2023