用于 MR 图像重建的学习型半二次分裂网络
图像与视频处理
2022-08-25 v3 计算机视觉与模式识别
摘要
从高度欠采样 -空间数据进行磁共振（MR）图像重建在加速 MR 成像（MRI）技术中至关重要。近年来，基于深度学习的方法在该任务中展现出巨大潜力。本文提出一种用于 MR 图像重建的学习型半二次分裂算法，并在展开式深度学习网络架构中实现该算法。我们在一个公开心脏 MR 数据集上将所提方法的性能与 DC-CNN 和 LPDNet 进行比较，结果表明我们的方法在定量与定性结果上均优于其他方法，且模型参更少、重建速度更快。最后，我们扩大模型规模以实现更优重建质量，在 和 加速下峰值信噪比相对 LPDNet 分别提升 dB 和 dB。我们的方法代码公开于 https://github.com/hellopipu/HQS-Net。
引用
@article{arxiv.2112.09760,
title = {Learned Half-Quadratic Splitting Network for MR Image Reconstruction},
author = {Bingyu Xin and Timothy S. Phan and Leon Axel and Dimitris N. Metaxas},
journal= {arXiv preprint arXiv:2112.09760},
year = {2022}
}
备注
accepted for MIDL2022