探索自监督快速 MRI 重构中的双胞胎网络
图像与视频处理
2025-01-22 v1 计算机视觉与模式识别
摘要
使用深度神经网络从不完整的 k 空间数据重构 MR 图像，而无需完全采样的训练参考数据，在实践中具有重要价值，这是一类自监督回归问题，需要有效的先验知识和监督信号。双胞胎网络架构由“不变性”定义驱动，在无监督视觉表示学习中显示出有前景的效果。在基于双胞胎的自监督模型中，构建同构变换图像和避免平凡解是两个主要挑战。本文我们探索了一种称为 SiamRecon 的自监督训练方式，用于 MRI 重构。我们展示了该方法模仿了期望最大化算法。替代优化提供了有效的监督信号，避免了坍缩。提出的 SiamRecon 在单线脑 MRI 和多线膝盖 MRI 上，实现了自监督学习领域的最新重构精度。
引用
@article{arxiv.2501.10851,
title = {Exploring Siamese Networks in Self-Supervised Fast MRI Reconstruction},
author = {Liyan Sun and Shaocong Yu and Chi Zhang and Xinghao Ding},
journal= {arXiv preprint arXiv:2501.10851},
year = {2025}
}