通过可逆神经网络学习 Bloch 模拟用于 MR 指纹成像
图像与视频处理
2021-03-11 v2 计算机视觉与模式识别
摘要
磁共振指纹成像（MRF）可实现快速多参数 MR 成像。尽管采集速度快，但基于字典匹配的最先进 MRF 重建速度慢且缺乏可扩展性。为克服这些局限，近来提出了从指纹估计 MR 参数的神经网络（NN）方法。在此，我们重新审视基于 NN 的 MRF 重建，通过利用可逆神经网络（INNs）联合学习从 MR 参数到指纹的前向过程与从指纹到 MR 参数的反向过程。作为概念验证，我们进行了多种实验，展示了学习前向过程（即 Bloch 模拟）对改进 MR 参数估计的益处。当由于 MR 物理限制导致 MR 参数估计困难时，该益处尤为突出。因此，INNs 可能成为当前仅基于反向的 NNs 用于 MRF 重建的可行替代方案。
引用
@article{arxiv.2008.04139,
title = {Learning Bloch Simulations for MR Fingerprinting by Invertible Neural Networks},
author = {Fabian Balsiger and Alain Jungo and Olivier Scheidegger and Benjamin Marty and Mauricio Reyes},
journal= {arXiv preprint arXiv:2008.04139},
year = {2021}
}
备注
Accepted at MICCAI MLMIR 2020