用于欠采样MRI重建的快速可控扩散模型
图像与视频处理
2024-06-12 v3 机器学习
摘要
监督深度学习方法在欠采样磁共振成像（MRI）重建中展现出前景，但其对配对数据的需求限制了其对多样MRI采集参数的泛化能力。近来，无监督可控生成扩散模型已应用于欠采样MRI重建，无需配对数据或针对不同MRI采集重新训练模型。然而，扩散模型采样通常较慢，且最先进的加速技术直接用于可控生成过程时会导致次优结果。本研究提出一种称为预测器-投影器-加噪器（PPN）的新算法，其增强并加速了用于欠采样MRI重建的扩散模型可控生成。我们的结果表明，PPN生成的高保真MR图像符合欠采样k空间测量，且重建时间显著短于其他可控采样方法。此外，无监督PPN加速扩散模型可适应不同MRI采集参数，使其比监督学习技术更适用于临床。
引用
@article{arxiv.2311.12078,
title = {Fast Controllable Diffusion Models for Undersampled MRI Reconstruction},
author = {Wei Jiang and Zhuang Xiong and Feng Liu and Nan Ye and Hongfu Sun},
journal= {arXiv preprint arXiv:2311.12078},
year = {2024}
}