DuDoRNet：基于深度T1先验学习双域循环网络实现快速MRI重建
图像与视频处理
2020-04-09 v2 计算机视觉与模式识别
摘要
多协议MRI常用于诊断，但其采集时间长，导致图像质量易受运动伪影影响。为加速，已提出多种方法从欠采样k空间数据重建全图像。然而，这些算法存在不足，主要有两个原因。首先，图像域中产生的混叠伪影具有结构性和非局部性，仅依靠图像域修复是不够的。其次，尽管一次检查中MRI包含多个协议，几乎所有先前研究仅利用高度失真欠采样图像作为输入来重建单一协议，而将全采样短协议(如T1)作为互补信息的利用严重未充分探索。本工作中，我们通过提出一种嵌入深度T1先验的双域循环网络(DuDoRNet)来解决上述两个局限，以同时恢复k空间和图像，从而加速长成像协议MRI的采集。具体而言，定制了膨胀残差稠密网络(DRDNet)用于从欠采样MRI数据进行双域修复。在不同采样模式和加速率上的大量实验表明，我们的方法始终优于最先进的方法，并能重建高质量MRI。
引用
@article{arxiv.2001.03799,
title = {DuDoRNet: Learning a Dual-Domain Recurrent Network for Fast MRI Reconstruction with Deep T1 Prior},
author = {Bo Zhou and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2001.03799},
year = {2020}
}
备注
CVPR2020