基于压缩感知与距离度量学习的磁共振指纹成像
图像与视频处理
2022-09-20 v1 计算机视觉与模式识别
机器学习
摘要
磁共振指纹成像（MRF）是一种新颖的技术，能够在短短数十秒内从扫描对象中同时估计多个组织相关参数，例如纵向弛豫时间 T1、横向弛豫时间 T2、离共振频率 B0 以及质子密度。然而，由于 MRF 方法对 k 空间数据进行了显著欠采样，其存在混叠伪影。在本工作中，我们提出了一种基于 MRF 方法的压缩感知（CS）框架，用于同时估计多个组织相关参数。该方法对低采样率更具鲁棒性，因此在估计对象所有体素的 MR 参数时更为高效。此外，MRF 方法需要通过 L2 距离从 MR 信号演化字典中识别查询指纹的最近原子。然而，我们观察到 L2 距离并不总是度量 MR 指纹之间相似性的合适度量。从欠采样训练数据中自适应地学习距离度量可以显著提高查询指纹的匹配精度。在大量模拟案例上的数值结果表明，我们的方法在参数估计精度方面显著优于最先进的方法。
引用
@article{arxiv.2209.08734,
title = {Magnetic Resonance Fingerprinting with compressed sensing and distance metric learning},
author = {Zhe Wang and Hongsheng Li and Qinwei Zhang and Jing Yuan and Xiaogang Wang},
journal= {arXiv preprint arXiv:2209.08734},
year = {2022}
}