基于vSHARP与辅助细化网络的深度多对比度心脏MRI重建

心脏MRI是提供心脏结构和功能深入洞察的核心成像模态。多对比度心脏MRI通过获取具有不同对比度权重的序列，显著增强了诊断能力，能够捕捉广泛的心脏组织特征。然而，多对比度心脏MRI常受限于漫长的采集时间和运动伪影。为缓解这些挑战，已开发出利用不同采样方案在不同加速因子下对k空间进行欠采样的加速成像技术以缩短扫描时间。在这一背景下，我们提出了一种基于深度学习的2D动态多对比度、多方案和多重加速MRI重建方法。我们的方法集成了最先进的vSHARP模型（利用半二次变量分裂和ADMM优化）与作为辅助细化网络的变分网络，以更好地适应多对比度心脏MRI数据的多样性。具体而言，欠采样的k空间数据被输入辅助细化网络，产生用于vSHARP去噪步骤的初始预测。然后，该初始预测与欠采样的k空间数据一起被vSHARP用于生成高质量的2D序列预测。我们的方法优于传统重建技术和其他基于vSHARP的模型。