无需全采样数据的自校准去噪器 MRI 重建
图像与视频处理
2024-11-26 v4
摘要
目的：对于许多 MRI 应用而言，获取全采样训练数据具有挑战性。我们提出一种自监督图像重建方法，称为 ReSiDe，能够仅从欠采样数据中恢复图像。材料与方法：ReSiDe 受即插即用（PnP）方法启发，但与利用预训练去噪器的传统 PnP 方法不同，ReSiDe 在正在重建的图像上迭代训练去噪器。我们提出两种方法变体：ReSiDe-S 和 ReSiDe-M。ReSiDe-S 为扫描专用，仅使用单组欠采样测量数据工作；而 ReSiDe-M 在多组欠采样测量数据上运行，并提供更快的推理。研究 I、II 和 III 分别使用 T1 和 T2 加权脑 MRI、MRXCAT 数字灌注体模以及首次通过心脏灌注数据，将 ReSiDe-S 和 ReSiDe-M 与其他自监督或无监督方法进行比较。结果：在研究 I 和 II 中，ReSiDe-S 和 ReSiDe-M 在峰值信噪比和结构相似性指数度量方面优于其他方法；在研究 III 中，在专家评分方面优于其他方法。讨论：我们提出一种自监督图像重建方法，并在静态和动态 MRI 应用中进行了验证。这些进展可惠及全采样训练数据可用性有限的 MRI 应用。
引用
@article{arxiv.2304.12890,
title = {MRI Recovery with Self-Calibrated Denoisers without Fully-Sampled Data},
author = {Muhammad Shafique and Sizhuo Liu and Philip Schniter and Rizwan Ahmad},
journal= {arXiv preprint arXiv:2304.12890},
year = {2024}
}