GrappaNet：将并行成像与深度学习结合用于多线圈 MRI 重建
图像与视频处理
2020-04-01 v4 计算机视觉与模式识别
摘要
磁共振成像（MRI）采集本质上是一个缓慢的过程，这促使了两种不同加速方法的发展：同时采集多个相关样本（并行成像）以及采集少于传统信号处理方法所需数量的样本（压缩感知）。这两种方法为加速 MRI 采集速度提供了互补的途径。在本文中，我们提出一种将传统并行成像方法集成到深度神经网络中的新方法，即使在高加速因子下也能生成高质量重建结果。所提方法称为 GrappaNet，它通过首先将重建问题映射为一个可由传统并行成像方法使用神经网络解决的更简单问题，接着应用并行成像方法，最后用另一个神经网络微调输出，从而实现渐进式重建。整个网络可以端到端训练。我们在最近发布的 fastMRI 数据集上展示了实验结果，表明 GrappaNet 在 和 加速下均能生成比竞争方法更高质量的重建图像。
引用
@article{arxiv.1910.12325,
title = {GrappaNet: Combining Parallel Imaging with Deep Learning for Multi-Coil MRI Reconstruction},
author = {Anuroop Sriram and Jure Zbontar and Tullie Murrell and C. Lawrence Zitnick and Aaron Defazio and Daniel K. Sodickson},
journal= {arXiv preprint arXiv:1910.12325},
year = {2020}
}