用于磁共振指纹成像的深度展开
图像与视频处理
2022-01-27 v2 信号处理
摘要
磁共振指纹成像（MRF）已成为一种有前景的定量 MR 成像方法。已有深度学习方法是为 MRF 提出的，并展现出优于经典压缩感知算法的性能。然而，这些端到端模型中有许多是无物理的，而预测相对于物理前向模型的一致性对于可靠求解逆问题至关重要。为此，近期 [1] 提出了一种近端梯度下降框架，将前向采集和 Bloch 动态模型直接纳入展开学习机制中。然而，[1] 仅在使用笛卡尔采样轨迹的合成数据上评估了展开模型。在本文中，作为 [1] 的补充，我们研究了构建近端神经网络的其他编码器选择，并在具有非笛卡尔 k 空间采样轨迹的真实加速 MRF 扫描上评估深度展开算法。
引用
@article{arxiv.2201.09375,
title = {Deep Unrolling for Magnetic Resonance Fingerprinting},
author = {Dongdong Chen and Mike E. Davies and Mohammad Golbabaee},
journal= {arXiv preprint arXiv:2201.09375},
year = {2022}
}
备注
Tech report. arXiv admin note: substantial text overlap with arXiv:2006.15271