用于 MRI 重建的过完备与欠完备卷积循环神经网络
图像与视频处理
2021-06-28 v2 计算机视觉与模式识别
摘要
从欠采样数据重建磁共振(MR)图像是一个具有挑战性的问题，因为欠采样操作会引入各种伪影。近期基于深度学习的 MR 图像重建方法通常利用通用的自编码器架构，在初始层捕获低级特征，在更深层捕获高级特征。此类网络过于关注全局特征，可能不利于全采样图像的重建。本文中，我们提出一种过完备与欠完备卷积循环神经网络(OUCR)，其由一个过完备和一个欠完备的卷积循环神经网络(CRNN)组成。过完备分支通过限制网络的感受野，特别关注局部结构的学习。将其与欠完备分支结合，得到一个更关注低级特征而不丢失全局结构的网络。在两个数据集上的大量实验表明，所提方法以更少的参数量相比压缩感知和流行的基于深度学习的方法取得了显著改进。
引用
@article{arxiv.2106.08886,
title = {Over-and-Under Complete Convolutional RNN for MRI Reconstruction},
author = {Pengfei Guo and Jeya Maria Jose Valanarasu and Puyang Wang and Jinyuan Zhou and Shanshan Jiang and Vishal M. Patel},
journal= {arXiv preprint arXiv:2106.08886},
year = {2021}
}
备注
Accepted to MICCAI 2021