用于 MRI 重建的边加权 pFISTA-Net
图像与视频处理
2023-02-16 v1 计算机视觉与模式识别
摘要
基于展开算法的深度学习已成为加速磁共振成像（MRI）的一种有效方法。然而，许多方法忽略了直接利用边缘信息来辅助 MRI 重建。在本工作中，我们提出边加权 pFISTA-Net，其将检测到的边缘图直接应用于 pFISTA-Net 的软阈值部分。不同区域的软阈值值将根据边缘图进行调整。在一个公开脑数据集上的实验结果表明，与最先进的基于深度学习的方法相比，所提方法产生的重建具有更低的误差和更好的伪影抑制。边加权 pFISTA-Net 对于不同的欠采样掩码和边缘检测算子也表现出鲁棒性。此外，我们将边加权结构扩展到联合重建与分割网络，获得了改进的重建性能和更精确的分割结果。
引用
@article{arxiv.2302.07468,
title = {Edge-weighted pFISTA-Net for MRI Reconstruction},
author = {Jianpeng Cao},
journal= {arXiv preprint arXiv:2302.07468},
year = {2023}
}