基于贪婪策略搜索的 MRI 实验设计
计算机视觉与模式识别
2020-12-16 v2 机器学习
神经与进化计算
摘要
在当今临床实践中，磁共振成像（MRI）通常通过对相关傅里叶域进行欠采样来加速。目前，这些欠采样策略——即实验设计——的构建主要依赖于启发式方法。我们提出用策略梯度方法学习用于加速 MRI 的实验设计策略。出乎意料的是，我们的实验表明，对目标函数的简单贪婪近似所得解与更一般的非贪婪方法几乎相当。我们为这一现象提供了部分解释，其根源在于非贪婪目标函数梯度估计的更大方差，并通过实验验证该方差阻碍了非贪婪模型将其策略适应于个体 MR 图像。我们凭经验表明，这种适应性是改进欠采样设计的关键。
引用
@article{arxiv.2010.16262,
title = {Experimental design for MRI by greedy policy search},
author = {Tim Bakker and Herke van Hoof and Max Welling},
journal= {arXiv preprint arXiv:2010.16262},
year = {2020}
}
备注
Accepted to NeurIPS 2020 (spotlight), 15-12-2020: Fixed typos, Figure 9, and pseudocode