基于更快傅里叶卷积神经网络的加速MR扫描图像重建
图像与视频处理
2023-06-06 v1 计算机视觉与模式识别
机器学习
摘要
部分扫描是在2D与3D环境下加速磁共振成像（MRI）数据采集的常用方法。然而，由于空间与k空间域均缺乏有效的全局感受野，从部分扫描数据（即不完整k空间矩阵）准确重建图像仍具挑战。为解决此问题，我们提出以下方案：（1）一种称为更快傅里叶卷积（FasterFC）的新型卷积算子，用于替代卷积神经网络（如U-Net、ResNet）中通常使用的两次连续卷积操作。基于傅里叶理论中的谱卷积定理，FasterFC在不同域中采用交替的1尺寸核（3D情形下为尺寸1），将双域感受野扩展至全局，并实现比传统快速傅里叶卷积（FFC）更快的计算速度。（2）一种2D加速MRI方法，FasterFC-End-to-End-VarNet，利用FasterFC改善灵敏度图与重建质量。（3）一种称为基于FasterFC的单到组网络（FAS-Net）的多阶段3D加速MRI方法，其使用单到组算法引导k空间域重建，随后基于FasterFC的级联卷积神经网络扩展双域有效感受野。在fastMRI与Stanford MRI Data数据集上的实验结果表明，FasterFC提升了2D与3D重建的质量。此外，FAS-Net作为一种3D高分辨率多通道（八通道）加速MRI方法，在定性与定量结果上均优于当前最优的2D与3D方法。
引用
@article{arxiv.2306.02886,
title = {Image Reconstruction for Accelerated MR Scan with Faster Fourier Convolutional Neural Networks},
author = {Xiaohan Liu and Yanwei Pang and Xuebin Sun and Yiming Liu and Yonghong Hou and Zhenchang Wang and Xuelong Li},
journal= {arXiv preprint arXiv:2306.02886},
year = {2023}
}