DCRA-Net：用于动态胎儿心脏 MRI 的注意力启用重建模型
图像与视频处理
2024-12-23 v1 计算机视觉与模式识别
摘要
动态胎儿心脏磁共振成像 (MRI) 因胎儿心率快于成人 subjects 而存在独特挑战，以及不可控制的胎儿运动。因此需要在大范围内实现高时空分辨率，以包含周围的母亲解剖结构。本文引入了 Dynamic Cardiac Reconstruction Attention Network (DCRA-Net) ——一种新型深度学习模型，通过在空间和时间域上采用注意力机制以及数据的时间频率表示，从高度加速的非脉冲 (非门控) MRI 采集中重建胎儿心脏的动态过程。DCRA-Net 基于 42 名胎儿病例和 153 名成人病例的 retrospectively undersampled 复杂数值心脏 MRI 进行训练，分别在 14 名胎儿和 39 名成人病例上进行评估。将其在 8 倍下采样因子下与 L+S 和 k-GIN 方法进行了比较。对于胎儿和成人数据，以及regular lattice 和中心加权随机下采样，所提出的网络均优于对比方法。下采样导致的信号混叠被综合性地解决，心脏的空间细节及其时序动态均以高保真度恢复。最佳性能通过使用 lattice 下采样、数据一致性和时间频率表示实现，分别达到胎儿 case 的 PSNR 为 38，成人 case 的 PSNR 为 35。本方法已公开于 https://github.com/denproc/DCRA-Net。
引用
@article{arxiv.2412.15342,
title = {DCRA-Net: Attention-Enabled Reconstruction Model for Dynamic Fetal Cardiac MRI},
author = {Denis Prokopenko and David F. A. Lloyd and Amedeo Chiribiri and Daniel Rueckert and Joseph V. Hajnal},
journal= {arXiv preprint arXiv:2412.15342},
year = {2024}
}