基于纹理Transformer的参考式磁共振图像重建
计算机视觉与模式识别
2021-12-17 v2
摘要
近年来，基于深度学习（DL）的磁共振（MR）图像重建方法已展现出优越性能。然而，这些方法要么仅利用欠采样数据，要么需要配对的完全采样辅助模态来进行多模态重建。因此，现有方法忽略了探索能够在单一模态内将纹理从参考完全采样数据迁移到欠采样数据的注意力机制，这在困难情况下限制了这些方法。在本文中，我们提出了一种新颖的纹理Transformer模块（TTM）用于加速MRI重建，其中我们将欠采样数据和参考数据分别表示为Transformer中的查询和键。TTM促进了欠采样数据与参考数据之间的联合特征学习，从而可通过注意力发现特征对应关系，并在重建过程中利用准确的纹理特征。值得注意的是，所提TTM可堆叠在已有MRI重建方法之上以进一步提升其性能。大量实验表明，TTM能显著改善多种流行基于DL的MRI重建方法的性能。
引用
@article{arxiv.2111.09492,
title = {Reference-based Magnetic Resonance Image Reconstruction Using Texture Transformer},
author = {Pengfei Guo and Vishal M. Patel},
journal= {arXiv preprint arXiv:2111.09492},
year = {2021}
}