LANTERN：面向小数据集动态磁共振成像的学习型分析变换网络
图像与视频处理
2019-08-27 v1 计算机视觉与模式识别
摘要
本文提出面向小数据集动态磁共振成像的学习型分析变换网络（LANTERN）。该框架融合了 CS-MRI 与深度学习的优势，其三大组成部分为：（i）利用自适应训练的 CNN 对空间域和时间域进行稀疏约束。（ii）我们引入端到端框架来学习 LANTERN 中的参数，以解决传统方法中参数选择的困难。（iii）与现有深度学习重建方法相比，在数据量有限时我们的重建精度更优。我们的模型能够充分挖掘动态 MR 图像在空间和时间上的冗余性。我们在不同加速因子（2x-11x）和不同欠采样模式下对心脏数据集进行了定量与定性分析。与最先进方法的对比中，大量实验表明，在不同欠采样模式和加速因子下，我们的方法在 PSNR、SSIM 和 HFEN 三项定量指标上均取得了持续更优的 MRI 重建性能。
引用
@article{arxiv.1908.09140,
title = {LANTERN: learn analysis transform network for dynamic magnetic resonance imaging with small dataset},
author = {Shanshan Wang and Yanxia Chen and Taohui Xiao and Ziwen Ke and Qiegen Liu and Hairong Zheng},
journal= {arXiv preprint arXiv:1908.09140},
year = {2019}
}