基于学习且展开的运动补偿心脏MR CINE成像重建
图像与视频处理
2022-09-09 v1 计算机视觉与模式识别
机器学习
摘要
运动补偿MR重建（MCMR）是一个潜力可观的有力概念，由两个耦合子问题组成：假设已知图像的运动估计，以及假设已知运动的图像重建。在本工作中，我们提出一种基于学习的自监督MCMR框架，以高效处理心脏MR成像中的非刚性运动伪影。与传统的MCMR方法（先估计运动并在迭代优化过程中保持不变）不同，我们引入动态运动估计过程并将其嵌入展开优化中。我们建立了一个利用时序信息通过分组配准方法的心脏运动估计网络，并在运动估计与重建之间执行联合优化。在40个采集的二维心脏MR CINE数据集上的实验表明，所提出的展开MCMR框架能在高加速率下重建高质量MR图像，而其他最先进的方法在此情况下失效。我们还表明，联合优化机制对两个子任务（即运动估计与图像重建）互有裨益，尤其在MR图像高度欠采样时。
引用
@article{arxiv.2209.03671,
title = {Learning-based and unrolled motion-compensated reconstruction for cardiac MR CINE imaging},
author = {Jiazhen Pan and Daniel Rueckert and Thomas Küstner and Kerstin Hammernik},
journal= {arXiv preprint arXiv:2209.03671},
year = {2022}
}