非线性偶极子反演（NDI）实现无需参数调优的定量磁化率成像（QSM）
图像与视频处理
2019-10-01 v1 机器学习
信号处理
机器学习
摘要
我们提出非线性偶极子反演（NDI）以实现高质量的定量磁化率成像（QSM），无需正则化调优，同时匹配最先进重建技术的图像质量。除了避免这些技术常遭受的过度平滑外，我们还消除了参数选择的需要。NDI 足够灵活，允许从任意数量的头部朝向进行重建，并且即使仅使用单方向数据也优于 COSMOS。这得益于一个使用幅值作为有效先验的非线性前向模型，我们为其推导了简单的梯度下降更新规则。我们将该物理模型与变分网络（VN）协同结合，在 VaNDI 算法中利用深度学习的强大能力。该技术采用 NDI 的简单梯度下降规则，并在训练期间学习网络参数，因此无需额外参数调优。此外，我们在 7T 下使用高度加速的 Wave-CAIPI 采集（0.5 mm 各向同性分辨率）评估 NDI，并展示了仅使用双方向数据即可获得高质量 QSM。
引用
@article{arxiv.1909.13692,
title = {Nonlinear Dipole Inversion (NDI) enables Quantitative Susceptibility Mapping (QSM) without parameter tuning},
author = {Daniel Polak and Itthi Chatnuntawech and Jaeyeon Yoon and Siddharth Srinivasan Iyer and Jongho Lee and Peter Bachert and Elfar Adalsteinsson and Kawin Setsompop and Berkin Bilgic},
journal= {arXiv preprint arXiv:1909.13692},
year = {2019}
}