基于自监督深度去噪的单图像压缩感知 MRI 方法
图像与视频处理
2024-09-02 v1 计算机视觉与模式识别
摘要
压缩感知（CS）中的流行方法依赖于深度学习（DL），其使用大量数据训练非线性重建模型。然而，对于实际应用而言，确保跨多个数据集的泛化能力及其数据获取具有挑战性。为解决这些问题，本文提出一种单图像、自监督（SS）CS-MRI 框架，可实现 CS 伪影的深度与稀疏联合正则化。该方法有效抑制了结构化 CS 伪影，而若仅假设稀疏重建或单纯依赖 CNN 的归纳偏置来生成无噪图像，此类伪影难以去除。因此，相较于任一单独方法，图像质量得以提升。使用笛卡尔一维掩膜在脑与膝数据集上评估指标，PSNR 平均提升 2–4 dB。
引用
@article{arxiv.2311.13144,
title = {Single Image Compressed Sensing MRI via a Self-Supervised Deep Denoising Approach},
author = {Marlon Bran Lorenzana and Feng Liu and Shekhar S. Chandra},
journal= {arXiv preprint arXiv:2311.13144},
year = {2024}
}
备注
5 pages, 4 figures, 2 tables, conference