融合子空间与自适应生成模型的高维磁共振重建
图像与视频处理
2023-06-19 v2 计算机视觉与模式识别
摘要
我们提出了一种新方法，将子空间建模与自适应生成图像先验相结合，用于高维磁共振图像重建。子空间模型对高维图像施加显式的低维表示，而生成图像先验则作为对“对比度加权”图像或子空间模型的空间系数的空间约束。我们引入了一种公式，使这两个分量与联合稀疏性等互补正则化协同作用。提出了一种预训练加受试者特定网络自适应策略，为具有不同对比度的图像构建准确的基于生成模型的表示，并通过实验数据进行了验证。我们引入了一种迭代算法，联合更新子空间系数和生成图像模型的多分辨率潜空间，该算法利用了最近发展的用于网络反演的中间层优化技术。我们在两个高维成像应用中评估了所提方法的效用：加速磁共振参数映射和高分辨率MRSI。在两种情况下均展示了优于最先进的基于子空间方法的性能。我们的工作展示了将深度学习驱动与自适应生成模型同低维表示相融合，用于高维成像问题的潜力。
引用
@article{arxiv.2306.08630,
title = {High-Dimensional MR Reconstruction Integrating Subspace and Adaptive Generative Models},
author = {Ruiyang Zhao and Xi Peng and Varun A. Kelkar and Mark A. Anastasio and Fan Lam},
journal= {arXiv preprint arXiv:2306.08630},
year = {2023}
}