用于加速MRI的笛卡尔欠采样与重建联合学习
图像与视频处理
2020-04-07 v2 计算机视觉与模式识别
信号处理
医学物理
摘要
磁共振成像（MRI）当今被认为是软组织成像的金标准模态。然而，较长的采集时间使其更易产生运动伪影，并导致该检查成本相对较高。多年来，大量研究集中于设计MRI的缩减测量方案与图像重建方案，但这些问题迄今被分开处理。另一方面，光学计算成像的近期工作已展示出基于联合学习的采集与重建方案设计日益取得的成功，在受限时间预算下显著提升了重建质量。受这些成功启发，本工作中我们提出联合学习加速MR采集方案（以笛卡尔轨迹形式）与图像重建算子。为此，我们提出一种以可微分方式端到端训练该联合采集-重建流水线的算法。我们展示了在不同加速比下使用所学笛卡尔轨迹的重要性。
引用
@article{arxiv.1905.09324,
title = {Joint learning of cartesian undersampling and reconstruction for accelerated MRI},
author = {Tomer Weiss and Sanketh Vedula and Ortal Senouf and Oleg Michailovich and Michael Zibulevsky and Alex Bronstein},
journal= {arXiv preprint arXiv:1905.09324},
year = {2020}
}
备注
ICASSP 2020