用于高度加速多回波螺旋 fMRI 的非笛卡尔自监督物理驱动深度学习重建
图像与视频处理
2023-12-12 v1 计算机视觉与模式识别
机器学习
信号处理
医学物理
摘要
功能磁共振成像 (fMRI) 是研究大脑功能非侵入性研究的重要工具。在过去十年中，采样多个回波时间的多回波 fMRI 方法变得流行，具有改善定量化的潜力。虽然这些采集通常使用笛卡尔轨迹执行，但非笛卡尔轨迹，特别是螺旋采集，有望对回波时间进行更密集的采样。然而，此类采集需要非常高的加速率以获得足够的时空分辨率。在这项工作中，我们提出使用物理驱动深度学习 (PD-DL) 重建将多回波螺旋 fMRI 加速 10 倍。我们修改了一种自监督学习算法，以使用非笛卡尔轨迹进行优化训练，并用它来训练 PD-DL 网络。结果表明，所提出的自监督 PD-DL 重建实现了高时空分辨率，并具有有意义的 BOLD 分析。
引用
@article{arxiv.2312.05707,
title = {Non-Cartesian Self-Supervised Physics-Driven Deep Learning Reconstruction for Highly-Accelerated Multi-Echo Spiral fMRI},
author = {Hongyi Gu and Chi Zhang and Zidan Yu and Christoph Rettenmeier and V. Andrew Stenger and Mehmet Akçakaya},
journal= {arXiv preprint arXiv:2312.05707},
year = {2023}
}
备注
Submitted to 2024 ISBI