用于无分箱非笛卡尔心脏 MR 成像的神经隐式 k 空间

本工作中，我们提出一种新颖的图像重建框架，直接在 k 空间中学习神经隐式表示，用于 ECG 触发的非笛卡尔心脏磁共振成像（CMR）。现有方法将邻近时间点的采集数据分箱以重建心脏运动的一个时相，而我们的框架允许连续的、无分箱的、且针对特定受试者的 k 空间表示。我们为每个采样的 k 空间点分配一个由时间、线圈索引和频域位置组成的唯一坐标。然后，我们使用带频域正则化的多层感知机学习从这些唯一坐标到 k 空间强度的受试者特定映射。在推理时，我们获得笛卡尔坐标和任意时间分辨率的完整 k 空间。简单的逆傅里叶变换即可恢复图像，消除了对非笛卡尔数据所需密度补偿和昂贵非均匀傅里叶变换的需要。该新颖成像框架在来自 6 名受试者的 42 个径向采样数据集上进行了测试。所提方法在使用四个和一个心跳以及 30 个心脏时相的数据时，在定性与定量上均优于其他技术。我们针对 50 个心脏时相的单心跳重建结果显示了改进的伪影去除和时空分辨率，发挥了实时 CMR 的潜力。