RinQ指纹技术：用于磁共振指纹成像的递归感知分位数网络
图像与视频处理
2019-07-23 v2 计算机视觉与模式识别
摘要
近来，磁共振指纹成像（MRF）被提出作为一种定量成像技术，用于同时获取组织参数如弛豫时间 和 。尽管采集高度加速，最先进的重建仍存在计算时间长的缺点：模板匹配方法通过将测得信号与离散化字典中预模拟的可能参数组合信号进行比较，来寻找最相似信号。深度学习方法可克服此限制，通过一次前向网络传播提供从测得信号到底层参数的直接映射。本工作中，我们提出一种递归神经网络（RNN）架构结合新颖的分位数层。RNN非常适于处理时间依赖信号，而分位数层通过考虑信号的空间邻域来帮助克服噪声离群值。我们使用来自多个脑切片和若干志愿者的体内数据评估我们的方法，进行了多种实验。我们表明，结合分位数层的小块复值输入信号RNN方法优于其他架构，例如先前提出的用于MRF重建的CNN，将 和 的误差降低超过80%。
引用
@article{arxiv.1907.05277,
title = {RinQ Fingerprinting: Recurrence-informed Quantile Networks for Magnetic Resonance Fingerprinting},
author = {Elisabeth Hoppe and Florian Thamm and Gregor Körzdörfer and Christopher Syben and Franziska Schirrmacher and Mathias Nittka and Josef Pfeuffer and Heiko Meyer and Andreas Maier},
journal= {arXiv preprint arXiv:1907.05277},
year = {2019}
}
备注
Accepted for MICCAI 2019