知识驱动的深度学习用于快速磁共振成像：从监督学习到无监督学习的欠采样磁共振图像重建

深度学习已成为加速磁共振成像的主要方法。它利用深度神经网络从可用数据集中提取知识，然后应用训练好的网络从有限测量中重建准确图像。与自然图像恢复问题不同，磁共振成像涉及基于物理的成像过程、独特的数据属性和多样的成像任务。这些领域知识需要与数据驱动方法相结合。本综述将介绍在快速磁共振成像背景下，这种知识驱动深度学习方法面临的重大挑战以及若干显著解决方案，包括学习神经网络和处理不同的成像应用场景。还给出了这些技术的特征和趋势，这些技术已从监督学习转向半监督学习，最终转向无监督学习方法。此外，提供了磁共振厂商对深度学习重建的选择，并讨论了一些开放问题和未来方向，这对于可靠的成像系统至关重要。