用于快速 MR 成像的深度学习：从不完全 k 空间数据学习重建的综述
图像与视频处理
2020-12-17 v1
摘要
磁共振成像是一种能够提供多用途信息的强大成像模态，但其存在“成像速度慢”的瓶颈问题。减少扫描测量可借助强大的重建方法加速 MR 成像，此类方法已从线性解析模型演变为非线性迭代模型。该领域的新兴趋势是用从数据中学得的模型替代人工定义的信号模型。具体而言，自 2016 年起，深度学习被引入快速 MR 成像任务，其从大数据集中汲取有价值的先验知识，以从有限测量中促进准确的 MR 图像重建。本综述旨在回顾 2016 年至 2020 年 6 月基于深度学习的 MR 图像重建工作，并讨论此类方法的优点、局限性与挑战。最后，本文将通过指出优质的教程资源、最先进的开源代码和有价值的数据源，为有意贡献于该领域的研究者提供一个起点。
引用
@article{arxiv.2012.08931,
title = {Deep learning for fast MR imaging: a review for learning reconstruction from incomplete k-space data},
author = {Shanshan Wang and Taohui Xiao and Qiegen Liu and Hairong Zheng},
journal= {arXiv preprint arXiv:2012.08931},
year = {2020}
}
备注
Invited review submitted to Biomedical signal processing and control in Jan 2020