快速 MRI 重建：Transformer 有多强大？
图像与视频处理
2022-04-05 v2 计算机视觉与模式识别
机器学习
摘要
磁共振成像（MRI）是一种广泛用于临床探查器官结构与代谢的无辐射、非侵入性方法，其扫描时间天然较长。基于 k 空间欠采样与深度学习重建的方法已普及以加速扫描过程。本工作聚焦于通过利用并比较不同新颖网络架构，研究 Transformer 对于快速 MRI 有多强大。特别地，我们引入了基于生成对抗网络（GAN）的 Swin transformer（ST-GAN）用于快速 MRI 重建。为进一步保留边缘与纹理信息，我们还开发了基于边缘增强 GAN 的 Swin transformer（EES-GAN）和基于纹理增强 GAN 的 Swin transformer（TES-GAN），其中采用了双判别器 GAN 结构。我们在 PSNR、SSIM 和 FID 评价指标方面，将我们提出的基于 GAN 的 transformer、独立的 Swin transformer 以及其他基于卷积神经网络的 GAN 模型进行了比较。我们表明，Transformer 在不同欠采样条件下均能良好地用于 MRI 重建。GAN 对抗结构的使用改善了在 30% 或更高欠采样下重建图像的质量。代码公开于 https://github.com/ayanglab/SwinGANMR。
引用
@article{arxiv.2201.09400,
title = {Fast MRI Reconstruction: How Powerful Transformers Are?},
author = {Jiahao Huang and Yinzhe Wu and Huanjun Wu and Guang Yang},
journal= {arXiv preprint arXiv:2201.09400},
year = {2022}
}
备注
5 pages, 5 figures, EMBC 2022