K 空间扫描特定伪影抑制（SPARK）神经网络与基于物理的重建协同加速 MRI
信号处理
2022-04-29 v3 机器学习
医学物理
摘要
目的：开发一种扫描特定的模型，用于估计并校正加速磁共振成像（MRI）数据重建时产生的 k 空间误差。方法：K 空间扫描特定伪影抑制（SPARK）训练一个卷积神经网络，通过从自动校准信号（ACS）与输入技术重建的 ACS 之间的均方误差损失反向传播，来估计并校正输入重建技术所产生的 k 空间误差。首先，将 SPARK 应用于 GRAPPA，并证明相比其他扫描特定模型（如 RAKI 和 residual-RAKI）具有更好的鲁棒性。后续实验表明 SPARK 与 residual-RAKI 协同作用以提高重建性能。SPARK 在应用于先进采集与重建技术（如 2D 虚拟线圈（VC-）GRAPPA、2D LORAKS、无集成 ACS 区域的 3D GRAPPA，以及 2D/3D 波编码图像）时也能改善重建质量。结果：SPARK 应用于 GRAPPA 时带来 1.5 倍至 2 倍的 RMSE 降低，并且相较于其他扫描特定技术，对各种加速率下 ACS 尺寸的鲁棒性有所提升。当应用于 residual-RAKI、2D VC-GRAPPA 和 LORAKS 等先进重建技术时，SPARK 实现了高达 20% 的 RMSE 改善。SPARK 结合 3D GRAPPA 还在无全采样 ACS 区域的情况下将性能提升约 2 倍并改善感知图像质量。最后，SPARK 与非笛卡尔 2D 和 3D 波编码成像协同，将 RMSE 降低 20-25% 并提供定性改善。结论：SPARK 与基于物理的采集和重建技术协同，通过训练扫描特定模型来估计并校正 k 空间中的重建误差，从而改善加速 MRI。
引用
@article{arxiv.2104.01188,
title = {Scan Specific Artifact Reduction in K-space (SPARK) Neural Networks Synergize with Physics-based Reconstruction to Accelerate MRI},
author = {Yamin Arefeen and Onur Beker and Jaejin Cho and Heng Yu and Elfar Adalsteinsson and Berkin Bilgic},
journal= {arXiv preprint arXiv:2104.01188},
year = {2022}
}