面向辅助模态 MR 图像重建的深度多模态聚合网络
图像与视频处理
2022-02-22 v3 计算机视觉与模式识别
摘要
磁共振（MR）成像可产生具有更好对比度的器官与组织精细图像，但其采集时间长，使图像质量易受运动伪影影响。近来，许多方法被提出从部分观测数据重建全采样图像以加速 MR 成像。然而，多数方法聚焦于单模态重建，忽视了不同模态间关联知识的发掘。本文提出一种面向辅助模态磁共振图像重建的多模态聚合网络（MARIO），其能够从全采样辅助模态中发现互补表示，并据此分层引导给定目标模态的重建。这意味着我们的方法可有选择地聚合多模态表示以获得更好重建，实现全面、多尺度、多模态特征融合。在 IXI 与 fastMRI 数据集上的大量实验表明，所提方法在去除伪影方面优于最先进的 MR 图像重建方法。
引用
@article{arxiv.2110.08080,
title = {Deep multi-modal aggregation network for MR image reconstruction with auxiliary modality},
author = {Chun-Mei Feng and Huazhu Fu and Tianfei Zhou and Yong Xu and Ling Shao and David Zhang},
journal= {arXiv preprint arXiv:2110.08080},
year = {2022}
}