用于稀疏 MRI 重建的自适应梯度平衡条件 Wasserstein 生成对抗网络
机器学习
2019-05-06 v1 图像与视频处理
机器学习
摘要
近期的稀疏 MRI 重建模型利用深度神经网络从高度欠采样的 k-space 数据中重建出相对高质量的图像，从而实现更快的 MRI 扫描。然而，这些技术在重建既能保留精细细节又具有自然外观的清晰图像时有时会遇到困难。在本工作中，我们通过使用条件 Wasserstein 生成对抗网络结合一种新颖的自适应梯度平衡技术来提升图像质量，该技术能够稳定训练并最小化伪影程度，同时保持高质量的重建，生成比其他技术更清晰的图像。
引用
@article{arxiv.1905.00985,
title = {Conditional WGANs with Adaptive Gradient Balancing for Sparse MRI Reconstruction},
author = {Itzik Malkiel and Sangtae Ahn and Valentina Taviani and Anne Menini and Lior Wolf and Christopher J. Hardy},
journal= {arXiv preprint arXiv:1905.00985},
year = {2019}
}