基于时空卷积神经网络的磁共振指纹成像重建
计算机视觉与模式识别
2019-06-06 v2
摘要
磁共振指纹成像（MRF）可在一次快速采集中量化多个核磁共振参数。标准 MRF 使用字典匹配重建参数图，该方法因计算效率低而缺乏可扩展性。我们提出使用时空卷积神经网络进行 MRF 参数图重建，利用相邻 MRF 信号演化之间的关系来替代字典匹配。我们在多参数脑部扫描上评估了我们的方法，并将其与三种近期 MRF 重建方法进行比较。我们的方法达到了最先进的重建精度，并与其他重建方法相比生成了视觉上更令人满意的参数图。此外，与基于字典的方法相比，重建时间显著缩短。
引用
@article{arxiv.1807.06356,
title = {Magnetic Resonance Fingerprinting Reconstruction via Spatiotemporal Convolutional Neural Networks},
author = {Fabian Balsiger and Amaresha Shridhar Konar and Shivaprasad Chikop and Vimal Chandran and Olivier Scheidegger and Sairam Geethanath and Mauricio Reyes},
journal= {arXiv preprint arXiv:1807.06356},
year = {2019}
}
备注
Accepted for Machine Learning for Medical Image Reconstruction (MLMIR) workshop at MICCAI 2018. The revision corrects Amaresha's last name and Section 2.1 (scanner type and flip angles)