使用即插即用方法与学习去噪器的自由呼吸心血管MRI
图像与视频处理
2020-07-10 v1 计算机视觉与模式识别
机器学习
摘要
心脏磁共振成像(CMR)是一种非侵入性成像方式，可对心血管系统进行全面评估。然而，CMR的临床效用受到较长采集时间的限制。在这项工作中，我们提出并验证了一种用于从欠采样多线圈数据重建CMR的即插即用(PnP)方法。为充分利用CMR固有的丰富图像结构，我们将PnP框架与基于深度学习(DL)的去噪器配对，该去噪器使用来自高质量屏气心脏电影图像的空间-时间块进行训练。所得的“PnP-DL”方法在数据一致性与去噪子例程之间迭代。我们使用八个屏气数据集和十个实时(RT)自由呼吸心脏电影数据集，将PnP-DL的重建性能与压缩感知(CS)进行比较。我们发现，对于屏气数据集，PnP-DL比常用CS方法具有超过1 dB的优势。对于无可用真值的RT自由呼吸数据集，PnP-DL在定性评估中获得更高分数。结果凸显了PnP-DL加速RT CMR的潜力。
引用
@article{arxiv.2002.03226,
title = {Free-breathing Cardiovascular MRI Using a Plug-and-Play Method with Learned Denoiser},
author = {Sizhuo Liu and Edward Reehorst and Philip Schniter and Rizwan Ahmad},
journal= {arXiv preprint arXiv:2002.03226},
year = {2020}
}
备注
IEEE ISBI 2020, International Symposium on Biomedical Imaging