用于时序医学影像序列采样的强化学习
机器学习
2023-08-30 v1 图像与视频处理
摘要
加速磁共振成像借助傅里叶域子采样或更优的重建算法，以在测量更少的同时仍生成高质量医学图像。在给定固定重建协议下确定最优采样策略通常具有组合复杂度。本工作中，我们应用双重深度 Q 学习与 REINFORCE 算法来学习动态图像重建的采样策略。我们将数据视为时间序列格式，重建方法为一个预训练的自编码器型神经网络。我们给出了概念验证：强化学习算法能有效发现潜在于预训练重建器网络（即环境中的动力学）下的最优采样模式。复现实验的代码见 https://github.com/zhishenhuang/RLsamp。
引用
@article{arxiv.2308.14946,
title = {Reinforcement Learning for Sampling on Temporal Medical Imaging Sequences},
author = {Zhishen Huang},
journal= {arXiv preprint arXiv:2308.14946},
year = {2023}
}
备注
ICML 2023 Workshop SODS