基于零样本自监督学习重建的改进多激发扩散加权 MRI
图像与视频处理
2023-09-26 v2 机器学习
摘要
扩散 MRI 常因采集快速而使用回波平面成像(EPI)。然而，扩散加权图像的分辨率常受磁场不均匀相关伪影及 T2 与 T2* 弛豫效应所致模糊的限制。为应对这些局限，常采用多激发 EPI (msEPI) 结合并行成像技术。尽管如此，由于多次激发间的相位变化，msEPI 的重建颇具挑战。本研究中，我们引入一种称为 zero-MIRID（用于改进扩散 MRI 的多激发图像重建的零样本自监督学习）的新型 msEPI 重建方法。该方法通过结合基于深度学习的图像正则化技术联合重建 msEPI 数据。该网络在 k 空间与图像空间中均纳入 CNN 去噪器，同时利用虚拟线圈以增强图像重建条件。通过采用自监督学习技术并将采样数据分为三组，所提方法相较最先进并行成像方法取得了更优结果，如活体实验所示。
引用
@article{arxiv.2308.05103,
title = {Improved Multi-Shot Diffusion-Weighted MRI with Zero-Shot Self-Supervised Learning Reconstruction},
author = {Jaejin Cho and Yohan Jun and Xiaoqing Wang and Caique Kobayashi and Berkin Bilgic},
journal= {arXiv preprint arXiv:2308.05103},
year = {2023}
}
备注
10 pages, 4 figures