PILOT：用于加速MRI的物理信息学习型优化轨迹

磁共振成像（MRI）长期被视为诊断医学成像的“金标准”之一。然而，较长的采集时间使MRI易出现运动伪影，更毋庸提其对MRI检查相对高成本的负面贡献。过去几十年中，多项研究聚焦于开发物理与后处理方法以加速MRI扫描采集。但这两种途径迄今被分开处理。另一方面，光学计算成像的近期工作已展示出数据 acquisition 与图像重建方案基于学习的并发设计日益增多的成功。此类方案已展现出显著有效性，大幅缩短采集时间并改善重建质量。受此初步成功启发，本文提出一种新颖方法，用于学习MRI扫描联合采集与重建的最优方案，其优化同时针对数据采集的时间效率与所得重建质量进行。为具实用价值，方案以通用k空间轨迹形式编码，其相关磁梯度受限于一组预定义硬件要求（如以磁梯度峰值电流与最大转换率定义）。鉴于此，我们提出一种利用具可微前向与反向传播算子的深度神经网络对联合采集-重建流水线进行端到端训练的新算法。我们在图像重建与图像分割任务上展示其有效性，报告了加速因子及这些任务质量的显著提升。