欠采样 MR 成像的联合重建与偏置场校正
图像与视频处理
2020-07-28 v1 机器学习
机器学习
摘要
在 MRI 中对 k 空间进行欠采样可节省宝贵的采集时间，却导致病态逆问题。近来许多深度学习技术被提出，以解决从欠采样数据恢复全采样 MR 图像的问题。然而，这些基于学习的方法对训练数据与测试时待重建图像之间的差异敏感。其中一种差异可归因于 MR 图像中存在的偏置场，其由场不均匀性和线圈灵敏度引起。本工作中，我们针对重建问题对偏置场的敏感性，提出在重建中显式建模偏置场以降低该敏感性。为此，我们以无监督学习重建算法为基础，并将其与基于 N4 的偏置场估计方法结合于联合优化方案中。我们使用 HCP 数据集及内部测量图像进行评估。结果表明，所提方法在视觉上及 RMSE 指标上均提升了重建质量。
引用
@article{arxiv.2007.13123,
title = {Joint reconstruction and bias field correction for undersampled MR imaging},
author = {Mélanie Gaillochet and Kerem C. Tezcan and Ender Konukoglu},
journal= {arXiv preprint arXiv:2007.13123},
year = {2020}
}
备注
Published at MICCAI 2020, 10 pages