基于生成网络与灵敏度编码的运动校正多激发 MRI 重建
计算机视觉与模式识别
2020-03-13 v6
摘要
多激发磁共振成像（MRI）是一种有前景的成像方式，能以相对较短的数据采集时间产生高分辨率图像。多激发 MRI 的缺点是对受试者运动非常敏感，扫描期间即使少量运动也会在最终 MR 图像中产生可能导致误诊的伪影。已有诸多努力来解决此问题；然而，这些方案在可校正的运动量及所需计算时间方面均存在局限。本文中，我们提出一种新颖的基于生成网络的共轭梯度 SENSE（CG-SENSE）重建框架，用于多激发 MRI 中的运动校正。所提框架首先采用 CG-SENSE 重建生成运动 corrupted 图像，随后使用生成对抗网络（GAN）校正运动伪影。所提方法已在具有不同运动程度、激发次数与编码轨迹的合成 corrupted 数据上严格评估。我们的分析（定量及定性/视觉分析）表明，所提方法显著稳健，优于 SOTA 运动校正技术，并将计算时间缩减数倍。
引用
@article{arxiv.1902.07430,
title = {Motion Corrected Multishot MRI Reconstruction Using Generative Networks with Sensitivity Encoding},
author = {Muhammad Usman and Muhammad Umar Farooq and Siddique Latif and Muhammad Asim and Junaid Qadir},
journal= {arXiv preprint arXiv:1902.07430},
year = {2020}
}
备注
This paper has been published in Scientific Reports Journal