面向高维 MRI 重建的内存高效学习
图像与视频处理
2021-03-09 v1 计算机视觉与模式识别
摘要
基于深度学习 (DL) 的展开式重建方法在欠采样磁共振成像 (MRI) 中已展现出最先进的性能。与压缩感知类似,DL 可利用高维数据(如 3D、2D+时间、3D+时间)来进一步提升性能。然而,网络规模与深度目前受限于反向传播所需的 GPU 内存。本文采用一种内存高效学习 (MEL) 框架,以训练期间可控的计算量增长来有利地换取存储开销的降低。将 MEL 用于多维数据,我们展示了在体 3D MRI 与 2D+时间心脏电影 MRI 中改进的图像重建性能。MEL 使用远更少的 GPU 内存,同时仅略微增加训练时间,从而为 DL 在高维 MRI 中的新应用提供了可能。
引用
@article{arxiv.2103.04003,
title = {Memory-efficient Learning for High-Dimensional MRI Reconstruction},
author = {Ke Wang and Michael Kellman and Christopher M. Sandino and Kevin Zhang and Shreyas S. Vasanawala and Jonathan I. Tamir and Stella X. Yu and Michael Lustig},
journal= {arXiv preprint arXiv:2103.04003},
year = {2021}
}
备注
14 pages, 8 figures