用于非笛卡尔MRI重建的密度补偿展开网络
图像与视频处理
2021-02-09 v2 计算机视觉与模式识别
机器学习
医学物理
机器学习
摘要
深度神经网络近来已被深入探究，作为MRI重建的有力工具。然而，关于其在MRI一种特定设置即非笛卡尔采集中使用的研究尚显不足。在本工作中，我们引入一种新型深度神经网络来解决此问题，即密度补偿展开神经网络，其依赖密度补偿来校正k空间的不均匀加权。我们在公开可用的fastMRI数据集上评估了其效率，并进行了小型消融研究。我们的结果表明，密度补偿展开神经网络优于不同的基线方法，且设计的各个部分都是必需的。我们还开源了我们的代码，特别是一个用于TensorFlow的非均匀快速傅里叶变换。
引用
@article{arxiv.2101.01570,
title = {Density Compensated Unrolled Networks for Non-Cartesian MRI Reconstruction},
author = {Zaccharie Ramzi and Jean-Luc Starck and Philippe Ciuciu},
journal= {arXiv preprint arXiv:2101.01570},
year = {2021}
}