基于傅里叶特征输入的隐式神经网络用于自由呼吸心脏 MRI 重建
图像与视频处理
2024-01-12 v2 计算机视觉与模式识别
摘要
心脏磁共振成像（MRI）需要从连续的高度欠采样测量中重建跳动心脏的实时视频。该任务具有挑战性，因为待重建对象（心脏）在信号采集期间持续变化。本文中，我们提出一种基于用隐式神经网络表示跳动心脏、并拟合该网络使其心脏表示与测量一致的重建方法。该以带傅里叶特征输入的多层感知机形式存在的网络充当有效的信号先验，并能在信号的空间与时间维度上调整正则化强度。我们在不同工况（即不同图像分辨率、切片厚度与采集长度）下研究了所提方法用于 2D 自由呼吸心脏实时 MRI 的效果。我们的方法取得的重建质量与最先进的未训练卷积神经网络相当或略优，且相比近期直接将隐式表示拟合到傅里叶域测量的方法具有更优图像质量。但这伴随相对较高的计算代价。我们的方法不需要任何额外患者数据或包括心电图在内的生物传感器，使其潜在适用于广泛临床场景。
引用
@article{arxiv.2305.06822,
title = {Implicit Neural Networks with Fourier-Feature Inputs for Free-breathing Cardiac MRI Reconstruction},
author = {Johannes F. Kunz and Stefan Ruschke and Reinhard Heckel},
journal= {arXiv preprint arXiv:2305.06822},
year = {2024}
}