基于GAN的HASTE MRI迭代运动估计

磁共振成像可以实现高分辨率数据采集，但其缺点是因相对较长的采集时间而对运动敏感。即使在采集单个2D切片期间，运动也可能严重破坏图像。回顾性运动校正策略不干扰采集时间，而是对受运动影响的数据进行操作。适用于此场景的已知方法包括压缩感知（CS）、生成对抗网络（GAN）和显式运动估计。在本文中，我们提出了一种迭代方法，该方法使用GAN预测进行运动估计。运动估计允许提供数据一致的图像重建，并可以提高重建质量和可靠性。通过这种方法，运动估计的临床应用变得可行，而无需对采集轨迹提出任何额外要求，即不需要时间冗余。我们在受运动影响的脑部和腹部HASTE采集数据上评估了我们提出的监督网络。