DSFormer：一种用于加速多对比度 MRI 重建的双域自监督 Transformer
图像与视频处理
2022-08-18 v2 计算机视觉与模式识别
机器学习
摘要
多对比度 MRI（MC-MRI）采集多种互补成像模态以辅助放射学决策。鉴于降低多次采集时间成本的需求，当前深度加速 MRI 重建网络聚焦于挖掘多对比度间的冗余性。然而，现有工作大多依赖配对数据与/或极其昂贵的全采样 MRI 序列进行有监督训练。此外，重建网络通常依赖卷积架构，其在建模长程交互方面的能力有限，并可能导致精细解剖细节的恢复欠佳。为此，我们提出一种用于加速 MC-MRI 重建的双域自监督 Transformer（DSFormer）。DSFormer 构建了深度条件级联 Transformer（DCCT），其由若干级联的 Swin Transformer 重建网络（SwinRN）组成，并在两种深度条件策略下训练以实现 MC-MRI 信息共享。我们进一步为 DCCT 提出一种双域（图像与 k 空间）自监督学习策略，以缓解获取全采样训练数据的成本。DSFormer 生成高保真重建结果，实验上优于当前全监督基线。此外，我们发现 DSFormer 在采用全监督或我们所提双域自监督训练时性能几乎相同。
引用
@article{arxiv.2201.10776,
title = {DSFormer: A Dual-domain Self-supervised Transformer for Accelerated Multi-contrast MRI Reconstruction},
author = {Bo Zhou and Neel Dey and Jo Schlemper and Seyed Sadegh Mohseni Salehi and Chi Liu and James S. Duncan and Michal Sofka},
journal= {arXiv preprint arXiv:2201.10776},
year = {2022}
}
备注
Accepted at WACV 2023