基于循环神经网络对瞬态梯度去相位序列的快速精确建模
图像与视频处理
2021-06-10 v2 医学物理
摘要
快速且精确的 MR 信号响应建模通常是多种定量 MRI 应用（如 MR Fingerprinting 和 MR-STAT）所需要的。本工作使用一种新的 EPG-Bloch 模型来精确模拟瞬态梯度去相位 MR 序列，并提出一种循环神经网络（Recurrent Neural Network, RNN）作为 EPG-Bloch 模型的快速替代模型，用于计算大规模 MR 信号及其导数。RNN 模型的计算效率通过与其它现有模型比较得到展示，相比最新的 GPU 加速开源 EPG 包实现了 1 至 3 个数量级的加速。通过使用数值和体内脑数据，我们还给出了两个用例，即 MRF 字典生成和最优实验设计。结果表明，RNN 替代模型可高效用于在数十秒内计算瞬态信号及其导数的大规模字典，相比最先进的实现实现了数个数量级的加速。因此，瞬态定量技术的实际应用可得到实质性促进。
引用
@article{arxiv.2008.07440,
title = {Fast and Accurate Modeling of Transient-State Gradient-Spoiled Sequences by Recurrent Neural Networks},
author = {Hongyan Liu and Oscar van der Heide and Cornelis A. T. van den Berg and Alessandro Sbrizzi},
journal= {arXiv preprint arXiv:2008.07440},
year = {2021}
}
备注
Correct for typo errors