DD-CISENet：用于加速 MRI 重建的双域交叉迭代压缩激励网络
图像与视频处理
2023-05-02 v1 计算机视觉与模式识别
摘要
磁共振成像（MRI）广泛用于神经学诊断检查。然而，MRI 的效用在很大程度上受其长采集时间的限制。以稀疏方式获取较少的 k 空间数据是一种缩短采集时间的潜在方案，但这会导致严重的混叠重建伪影。本文提出一种新颖的双域交叉迭代压缩激励网络（DD-CISENet）用于加速稀疏 MRI 重建。利用交叉迭代残差连接（CIR）结构，k 空间与 MRI 图像的信息可被迭代融合与保持。本研究采用了源自开源 fastMRI 数据集的 720 例多线圈脑 MRI 病例。结果表明，DD-CISENet 的平均重建误差为 2.28 0.57%，优于现有深度学习方法，包括图像域预测（6.03 1.31，p < 0.001）、k 空间合成（6.12 1.66，p < 0.001）以及双域特征融合方法（4.05 0.88，p < 0.001）。
引用
@article{arxiv.2305.00088,
title = {DD-CISENet: Dual-Domain Cross-Iteration Squeeze and Excitation Network for Accelerated MRI Reconstruction},
author = {Xiongchao Chen and Zhigang Peng and Gerardo Hermosillo Valadez},
journal= {arXiv preprint arXiv:2305.00088},
year = {2023}
}
备注
Accepted at MIDL 2023