基于常微分方程的深度网络用于 MRI 重建
图像与视频处理
2020-01-01 v1 计算机视觉与模式识别
摘要
磁共振成像（MRI）中的快速数据采集需求巨大，且扫描时间直接取决于所获取的 k 空间采样点数。与常规方法相比，基于深度神经网络的数据驱动方法在图像重建算法中取得了可喜的改进。深度神经网络与常微分方程（ODE）之间的联系近来已被观察和研究。研究表明，不同的残差网络可解释为 ODE 的欧拉离散化。本文提出一种基于 ODE 的深度网络用于 MRI 重建，以实现快速获取具有改善图像质量的 MR 图像。我们利用欠采样数据的结果表明，与基于标准 UNet 网络和残差网络的重建方法相比，我们的方法能够提供更高质量的图像。
引用
@article{arxiv.1912.12325,
title = {ODE-based Deep Network for MRI Reconstruction},
author = {Ali Pour Yazdanpanah and Onur Afacan and Simon K. Warfield},
journal= {arXiv preprint arXiv:1912.12325},
year = {2020}
}