$k$-$t$ CLAIR：用于动态并行MR图像重建的自一致性引导多先验学习

Liping Zhang; Weitian Chen

$k$-$t$ CLAIR：用于动态并行MR图像重建的自一致性引导多先验学习

图像与视频处理 2024-02-01 v2 计算机视觉与模式识别医学物理

作者: Liping Zhang , Weitian Chen

摘要

心脏磁共振成像（CMR）已广泛应用于心脏疾病的临床诊断。然而，较长的采集时间阻碍了其于实时应用中的发展。在此，我们提出一种新颖的自一致性引导多先验学习框架，名为 $k$ - $t$ CLAIR，以从高度欠采样数据中利用时空相关性，实现加速的动态并行MRI重建。 $k$ - $t$ CLAIR 通过迭代方式利用在 $x$ - $t$ 、 $x$ - $f$ 和 $k$ - $t$ 域中学习的多个互补先验，逐步重建保真图像，因为动态MRI表现出高度的时空冗余。此外， $k$ - $t$ CLAIR 将校准信息纳入先验学习，从而获得更一致的重建。在心脏电影及T1W/T2W图像上的实验结果表明， $k$ - $t$ CLAIR 在定量与定性性能方面均实现了高质量的动态MR重建。

关键词

动态并行MRI 图像重建多先验学习自一致性心脏MRI 欠采样数据

引用

@article{arxiv.2310.11050,
  title  = {$k$-$t$ CLAIR: Self-Consistency Guided Multi-Prior Learning for Dynamic Parallel MR Image Reconstruction},
  author = {Liping Zhang and Weitian Chen},
  journal= {arXiv preprint arXiv:2310.11050},
  year   = {2024}
}

备注

12 pages, 3 figures, 4 tables. CMRxRecon Challenge, MICCAI 2023

$k$-$t$ CLAIR：用于动态并行MR图像重建的自一致性引导多先验学习

摘要

关键词

引用

备注

相关论文