基于ADMM的深度心脏MRI重建

心脏磁共振成像是识别心血管疾病的宝贵无创工具。例如，Cine MRI是评估心脏功能与解剖结构的基准模态。另一方面，多对比度（T1与T2）映射可评估心肌与间质的病理与异常。然而，自主屏气及常见心律失常，加之MRI成像速度慢，可导致运动伪影，阻碍实时采集图像质量。尽管加速采集可促进动态成像，但会引发混叠，造成Cine MRI重建图像质量低及T1、T2映射估计不准。受加速MRI重建相关工作启发，我们提出一种基于深度学习（DL）的方法，用于动态心脏成像中加速Cine与多对比度重建。我们将重建问题表述为最小二乘正则化优化任务，并采用vSHARP——一种state-of-the-art的基于DL的逆问题求解器，其结合了半二次变量分裂与乘子交替方向法（ADMM）及神经网络。我们以两种设置处理该问题：2D重建与2D动态重建任务，分别采用2D与3D深度学习网络。我们的方法在图像与k空间域同时优化，实现高重建保真度。尽管目标数据采用笛卡尔等间隔欠采样，我们同时使用笛卡尔与模拟非笛卡尔欠采样方案训练模型以增强对未见数据的泛化。此外，我们的模型采用深度神经网络学习并精炼多线圈k空间数据的敏感度图。最后，我们的方法在欠采样Cine与多对比度数据上联合训练。