联合 CS-MRI 重建与分割的统一深度网络
计算机视觉与模式识别
2018-05-08 v1
摘要
在大数据时代，对 MRI 数据快速采集与自动分析的需求日益增长。尽管压缩感知磁共振成像（CS-MRI）已通过减少 k 空间测量被研究以加速 MRI，但在当前 CS-MRI 技术中，图像重建时忽略了分割等 MRI 应用。本文中，我们检验 CS-MRI 方法在自动分割模型中的效用，并提出一种称为 SegNetMRI 的统一深度神经网络架构，将其应用于 CS-MRI 重建与分割联合问题。SegNetMRI 构建于一个 MRI 重建网络之上，该网络具有多个级联块，每个块包含编码器-解码器单元与数据保真单元，以及具有相同编码器-解码器结构的 MRI 分割网络。两个子网络以共享重建编码器进行预训练与微调。输出被合并为最终分割。我们的实验表明，在使用压缩测量时，SegNetMRI 能同时提升重建与分割性能。
引用
@article{arxiv.1805.02165,
title = {Joint CS-MRI Reconstruction and Segmentation with a Unified Deep Network},
author = {Liyan Sun and Zhiwen Fan and Yue Huang and Xinghao Ding and John Paisley},
journal= {arXiv preprint arXiv:1805.02165},
year = {2018}
}
备注
8 pages, 6 figures, 3 tables