用于并行 MRI 的 k 空间深度学习：在时间分辨 MR 血管成像中的应用
计算机视觉与模式识别
2018-06-12 v2 人工智能
机器学习
机器学习
摘要
采用交错随机轨迹的时间分辨血管成像（TWIST）已广泛用于动态对比增强 MRI（DCE-MRI）。为实现高度加速采集，TWIST 将若干相邻帧的 k 空间数据边缘部分组合以重建一个时间帧。然而，这种视图共享方案限制了 TWIST 的真实时间分辨率。此外，k 空间采样模式是专为特定广义自校准部分并行采集（GRAPPA）因子特殊设计的，因此一旦 k 数据被采集，便无法减少视图共享的数量。为解决这些问题，本文提出一种用于并行 MRI 的新型 k 空间深度学习方法。具体而言，我们设计了神经网络，通过利用线圈与图像间的冗余，对多个线圈同时执行准确的 k 空间插值。使用体内 TWIST 数据集的重建结果证实，所提方法可立即生成高质量重建结果，并支持多种视图共享选择，使我们能够在时间分辨 MR 血管成像中权衡空间与时间分辨率。
引用
@article{arxiv.1806.00806,
title = {k-Space Deep Learning for Parallel MRI: Application to Time-Resolved MR Angiography},
author = {Eunju Cha and Eung Yeop Kim and Jong Chul Ye},
journal= {arXiv preprint arXiv:1806.00806},
year = {2018}
}