关于欠采样多线圈 MRI 重建中自适应采集策略的学习
图像与视频处理
2022-04-12 v1 计算机视觉与模式识别
摘要
当前大多数欠采样多线圈 MRI 重建方法侧重于针对固定的等距采集轨迹学习重建模型。在本文中，我们研究重建模型与采集策略联合学习的问题。为此，我们扩展了端到端变分网络，引入可学习的、能适应不同数据点的采集策略。我们在大规模欠采样多线圈 fastMRI 数据集的线圈压缩版本上，使用 和 两种欠采样因子验证我们的模型。我们的实验显示在 下与可学习的非自适应及手工等距策略性能相当，并在 加速下观测到 SSIM 提升超过 ，表明潜在自适应的 -空间采集轨迹可改善较大加速因子下的重建图像质量。然而，或许令人惊讶的是，我们表现最佳的策略学习为显式非自适应的。
引用
@article{arxiv.2203.16392,
title = {On learning adaptive acquisition policies for undersampled multi-coil MRI reconstruction},
author = {Tim Bakker and Matthew Muckley and Adriana Romero-Soriano and Michal Drozdzal and Luis Pineda},
journal= {arXiv preprint arXiv:2203.16392},
year = {2022}
}
备注
Accepted to MIDL 2022 as conference paper