NoSENSE：无需显式敏感度图的展开式学习心脏 MRI 重建
图像与视频处理
2024-10-08 v2 计算机视觉与模式识别
机器学习
医学物理
摘要
我们提出一种基于深度卷积神经网络（CNNs）与算法展开（algorithm unrolling）的、用于多接收线圈加速心脏 MRI 的新型学习图像重建方法。与许多需要将线圈敏感度图（CSM）估计作为独立网络组件的现有学习 MR 图像重建技术不同，我们所提方法避免了显式 CSM 估计，而是隐式地捕捉并学习利用图像间的线圈间关系。我们的方法由一系列新颖的学习图像与 k 空间块组成，这些块具有共享潜在信息并通过特征调制（FiLM）适应采集参数，同时包含线圈级数据一致性（DC）块。我们的方法在 MICCAI STACOM CMRxRecon 挑战赛的 cine 赛道和 mapping 赛道验证排行榜上分别取得 34.89 和 35.56 的 PSNR 值以及 0.920 和 0.942 的 SSIM 值，在撰写时于各团队中排名第 4。代码将发布于 https://github.com/fzimmermann89/CMRxRecon。
引用
@article{arxiv.2309.15608,
title = {NoSENSE: Learned unrolled cardiac MRI reconstruction without explicit sensitivity maps},
author = {Felix Frederik Zimmermann and Andreas Kofler},
journal= {arXiv preprint arXiv:2309.15608},
year = {2024}
}
备注
Accepted at MICCAI STACOM 2023