NeRF 解决欠采样 MRI 重建
图像与视频处理
2024-03-05 v2 人工智能
计算工程、金融与科学
信号处理
摘要
本文提出一种新颖的欠采样磁性成像 (MRI) 技巧，利用神经光栅场 (NeRF) 的概念。通过径向欠采样，该成像问题可重构为稀疏视图渲染数据的图像建模任务；因此，可通过隐式神经表示，从欠采样 k 空间数据中获得高维 MR 图像。设计一种输出空间坐标下图像强度的多层感知器 (MLP)，学习测量数据与目标图像之间的 MR 物理驱动渲染关系。探讨了高质量神经表示的有效欠采样策略。该提议方法具有两项优势：(i) 学习完全基于单个欠采样 k 空间数据，而非一组测量数据和目标图像集合。可用于诊断性 MR 成像，如胎儿 MRI，其中数据获取相对稀少或有限于临床图像多样性，而欠采样重建需求极高。(ii) 重建的 MR 图像是针对给定 k 空间测量的扫描特定表示，高度自适应。大量实验验证了所提方法的可行性和能力。
引用
@article{arxiv.2402.13226,
title = {NeRF Solves Undersampled MRI Reconstruction},
author = {Tae Jun Jang and Chang Min Hyun},
journal= {arXiv preprint arXiv:2402.13226},
year = {2024}
}