基于全变分与低秩子空间先验的深度磁共振指纹成像
计算机视觉与模式识别
2019-02-28 v1
摘要
深度学习（DL）近来被用于解决磁共振指纹成像（MRF）重建中基线字典匹配（DM）所需的繁重存储与计算问题。由于网络输入的是未经迭代的反投影图像，其无法完全消除由欠采样伪影引起的空间相关失真。我们提出一种加速迭代重建方法，在网络输入前最小化这些伪影。这是通过一个联合促进 MRF 时间序列时空规律性的凸正则化实现的。除训练外，参数估计流程的其余部分无需字典。我们在合成与体内数据集上验证了所提方法。
引用
@article{arxiv.1902.10205,
title = {Deep MR Fingerprinting with total-variation and low-rank subspace priors},
author = {Mohammad Golbabaee and Carolin M. Pirkl and Marion I. Menzel and Guido Buonincontri and Pedro A. Gómez},
journal= {arXiv preprint arXiv:1902.10205},
year = {2019}
}