基于分数扩散模型与自监督学习的加速三维多对比心脏磁共振成像
信号处理
2024-10-29 v2
摘要
长扫描时间严重阻碍了三维多对比心脏磁共振(3D-MC-CMR)成像的广泛应用。本研究旨在通过一种基于分数扩散模型与自监督学习的新型方法加速 3D-MC-CMR 采集。具体而言,我们首先利用自监督贝叶斯重建网络建立欠采样 k 空间测量与 MR 图像之间的映射。其次,我们在 3D-MC-CMR 图像上开发联合分数扩散模型以捕获其固有分布。最终使用条件 Langenvin 马尔可夫链蒙特卡洛采样重建 3D-MC-CMR 图像。该方法无需全采样训练数据即可准确重建。其性能在由三维联合心肌 T1 与 T1rho 映射序列采集的数据集上测试。T1 与 T1rho 图通过字典匹配方法从重建图像中估计。实验结果表明,所提方法优于传统压缩感知与现有自监督深度学习 MRI 重建方法。即使在高达 14 的加速率下,它也获得了接近参考图的高质量 T1 与 T1rho 参数图。
引用
@article{arxiv.2310.04669,
title = {Score-based Diffusion Models With Self-supervised Learning For Accelerated 3D Multi-contrast Cardiac Magnetic Resonance Imaging},
author = {Yuanyuan Liu and Zhuo-Xu Cui and Shucong Qin and Congcong Liu and Hairong Zheng and Haifeng Wang and Yihang Zhou and Dong Liang and Yanjie Zhu},
journal= {arXiv preprint arXiv:2310.04669},
year = {2024}
}
备注
14pages, 10 figures