通过基于物理的神经网络的扫描特定微调实现高保真加速 MRI 重建
图像与视频处理
2020-09-09 v1 计算机视觉与模式识别
机器学习
信号处理
医学物理
摘要
长扫描时间仍是高分辨率 MRI 的一个挑战。深度学习已作为一种强有力的手段出现，通过提供直接从数据中学习的数据驱动正则化项来实现加速 MRI 重建。这些 data-driven 先验一旦在训练阶段学到，在测试阶段对未来数据通常保持不变。在本研究中，我们提出使用迁移学习方法，通过自监督方法为新受试者微调这些正则化项。虽然所提方法可能牺牲深度学习 MRI 方法极快的重建时间，但我们在膝关节 MRI 上的结果表明，此类自适应可大幅减少重建图像中残留的伪影。此外，所提方法有望降低对训练数据中可能缺失的罕见病理状况的泛化风险。
引用
@article{arxiv.2005.05550,
title = {High-Fidelity Accelerated MRI Reconstruction by Scan-Specific Fine-Tuning of Physics-Based Neural Networks},
author = {Seyed Amir Hossein Hosseini and Burhaneddin Yaman and Steen Moeller and Mehmet Akçakaya},
journal= {arXiv preprint arXiv:2005.05550},
year = {2020}
}