用于加速心脏磁共振成像的低秩共轭梯度网络
图像与视频处理
2024-11-19 v1 信号处理
摘要
心血管疾病（CVDs）仍然是全球死亡和发病的主要原因。这些疾病的诊断和预后都受益于心脏磁共振成像提供的高质量成像。心脏磁共振成像需要较长的采集时间和多次屏气才能完成一次完整检查，这可能导致患者不适并经常产生图像伪影。在这项工作中，我们提出了一种低秩张量 U-Net 方法（LowRank-CGNet），该方法能够快速重建具有多种解剖结构、对比度和欠采样伪影的高度欠采样数据。该模型使用共轭梯度数据一致性来求解空间和时间基，并采用 U-Net 进一步正则化基向量。目前，模型性能优于标准 U-Net，但不如传统的压缩感知方法。未来，我们旨在通过增加 U-Net 大小、延长训练时长以及针对不同解剖结构动态更新张量秩来进一步提高模型性能。
引用
@article{arxiv.2411.11175,
title = {Low-Rank Conjugate Gradient-Net for Accelerated Cardiac MR Imaging},
author = {Jaykumar H. Patel and Brenden T. Kadota and Calder D. Sheagren and Mark Chiew and Graham A. Wright},
journal= {arXiv preprint arXiv:2411.11175},
year = {2024}
}
备注
11 pages, 6 figures