ERNAS：一种用于磁共振图像重建的进化神经架构搜索方法
图像与视频处理
2023-01-18 v2 计算机视觉与模式识别
神经与进化计算
摘要
磁共振成像(MRI)是能够产生高质量图像的无创成像方式之一。然而，扫描过程相对缓慢，会导致患者不适及图像中的运动伪影。加速 MRI 硬件受物理与生理限制约束。加速 MRI 的一种流行替代方案是对 k 空间数据进行欠采样。虽然欠采样加快了扫描过程，但会在图像中引入伪影，需要先进的重建算法以生成无伪影图像。近年来深度学习已成为解决该问题的一种有前景的 MRI 重建方法。然而，在 MRI 重建中直接采用现有深度学习神经网络架构通常在效率与重建质量上并非最优。本工作中，使用一种新颖的进化神经架构搜索算法优化神经网络，从欠采样数据中进行 MRI 重建。脑与膝部 MRI 数据集表明，所提算法优于手动设计的基于神经网络的 MR 重建模型。
引用
@article{arxiv.2206.07280,
title = {ERNAS: An Evolutionary Neural Architecture Search for Magnetic Resonance Image Reconstructions},
author = {Samira Vafay Eslahi and Jian Tao and Jim Ji},
journal= {arXiv preprint arXiv:2206.07280},
year = {2023}
}
备注
11 pages, 9 figures, and 4 tables