用于并行 MRI 重建的深度即插即用先验
图像与视频处理
2019-09-10 v2 计算机视觉与模式识别
摘要
磁共振成像（MRI）中的快速数据采集需求巨大，且扫描时间直接取决于所获取的 k 空间采样数。针对快速 MRI 采集的传统重建方法大多依赖表征稀疏性解析模型的不同正则化器。然而，近期基于深度学习的数据驱动方法在图像重建算法中带来了可喜的改进。在本文中，我们提出一种用于并行 MRI 重建问题的深度即插即用先验框架，其在迭代方法中利用深度神经网络（DNN）作为高级去噪器。这进而实现了以更高图像质量对 MR 图像的快速采集。所提方法与使用临床金标准 GRAPPA 方法的重建进行了比较。我们利用欠采样数据的结果表明，相较于 MRI 重建的临床金标准方法，我们的方法能在高加速因子下给出明显更高质量的图像。我们提出的重建可实现加速因子的提升与采集时间的缩短，同时保持高图像质量。
引用
@article{arxiv.1909.00089,
title = {Deep Plug-and-Play Prior for Parallel MRI Reconstruction},
author = {Ali Pour Yazdanpanah and Onur Afacan and Simon K. Warfield},
journal= {arXiv preprint arXiv:1909.00089},
year = {2019}
}