PS-Net：用于动态 MR 成像的学习型部分可分离模型

Chentao Cao; Zhuo-Xu Cui; Qingyong Zhu; Congcong Liu; Dong Liang; Yanjie Zhu

PS-Net：用于动态 MR 成像的学习型部分可分离模型

图像与视频处理 2022-08-11 v2 计算机视觉与模式识别机器学习

作者: Chentao Cao , Zhuo-Xu Cui , Qingyong Zhu , Congcong Liu , Dong Liang , Yanjie Zhu

摘要

由低秩正则化驱动的深度学习方法在动态磁共振（MR）成像中取得了引人注目的性能。然而，这些方法大多用手工设计的核范数表示低秩先验，无法通过固定正则化参数在整个数据集上准确逼近低秩先验。本文提出一种用于动态 MR 成像的学习型低秩方法。具体而言，我们将部分可分离（PS）模型的半二次分裂方法（HQS）算法展开为网络，其中低秩由可学习的零空间变换自适应刻画。在心脏电影数据集上的实验表明，所提模型在定量和定性上均优于最先进的压缩感知（CS）方法和现有深度学习方法。

关键词

动态 MR 成像低秩先验部分可分离模型可学习零空间变换 HQS 展开心脏电影

引用

@article{arxiv.2205.04073,
  title  = {PS-Net: Learned Partially Separable Model for Dynamic MR Imaging},
  author = {Chentao Cao and Zhuo-Xu Cui and Qingyong Zhu and Congcong Liu and Dong Liang and Yanjie Zhu},
  journal= {arXiv preprint arXiv:2205.04073},
  year   = {2022}
}

备注

journal

PS-Net：用于动态 MR 成像的学习型部分可分离模型

摘要

关键词

引用

备注

相关论文