潜信号模型：学习信号演化的紧凑表示以改善时间分辨多对比度MRI
信号处理
2023-05-02 v1 医学物理
摘要
目的：在模拟信号演化上训练自编码器并将解码器插入前向模型，通过相比线性子空间更紧凑的基于Bloch方程的信号表示改善重建。方法：基于可实现信号动态重建的模型驱动非线性与线性子空间技术，我们在模拟信号演化字典上训练自编码器以学习更紧凑的非线性潜表示。所提出的潜信号模型（Latent Signal Model）框架将自编码器的解码器部分插入前向模型并直接重建潜表示。潜信号模型本质上充当用于模拟信号的Bloch方程快速可行微分的代理。本工作在T2-shuffling、梯度回波EPTI与MPRAGE-shuffling背景下实验。我们比较自编码器相对于线性子空间表示信号演化的效率。仿真与体内实验进而评估通过将解码器插入前向模型减少自由度是否比子空间约束改善重建。结果：具有一个实潜变量的自编码器表示FSE、EPTI与MPRAGE信号演化效果等同于由四个基向量刻画的线性子空间。在仿真/体内T2-shuffling与体内EPTI实验中，所提框架相较线性方法取得一致的定量NRMSE与定性改善。从定性评估看，所提方法在MPRAGE shuffling实验中产出模糊与噪声放大减少的图像。结论：直接求解信号演化的非线性潜表示通过减少自由度改善了时间分辨MRI重建。
引用
@article{arxiv.2208.13003,
title = {Latent Signal Models: Learning Compact Representations of Signal Evolution for Improved Time-Resolved, Multi-contrast MRI},
author = {Yamin Arefeen and Junshen Xu and Molin Zhang and Zijing Dong and Fuyixue Wang and Jacob White and Berkin Bilgic and Elfar Adalsteinsson},
journal= {arXiv preprint arXiv:2208.13003},
year = {2023}
}