基于学习的单射轨迹和重建网络 LSST 用于 MR 成像
图像与视频处理
2024-09-13 v1 人工智能
计算机视觉与模式识别
摘要
单射磁共振 (MR) 成像在单发射中获取整个 k 空间数据，具有全身成像的多种应用。然而，单发射快速旋波 (SSFSE) MR 成像中获取整个 k 空间的延长采集时间是一个挑战，因为它会在获取的图像中引入 T2 模糊。本研究旨在通过 (a) 优化测量 k 空间的轨迹、(b) 获取更少的样本以加快采集过程、和 (c) 减少 T2 模糊的影响来提高 SSFSE MR 图像的重建质量。 proposed 方法遵循最大梯度强度和 slew-rate 可用性的物理约束，在端到端学习框架内优化轨迹。实验在公开可用的 fastMRI 多通道数据集上进行，采用 8 倍和 16 倍加速度因子。经验放射科医师根据五点 Likert 量表评估，表明重建质量得到改善，ACL 纤维比比较方法更清晰。
引用
@article{arxiv.2409.07457,
title = {LSST: Learned Single-Shot Trajectory and Reconstruction Network for MR Imaging},
author = {Hemant Kumar Aggarwal and Sudhanya Chatterjee and Dattesh Shanbhag and Uday Patil and K. V. S. Hari},
journal= {arXiv preprint arXiv:2409.07457},
year = {2024}
}