基于生成对抗网络的结构保持压缩感知 MRI 重建
图像与视频处理
2020-04-28 v2 计算机视觉与模式识别
机器学习
摘要
压缩感知磁共振成像（CS-MRI）通过打破奈奎斯特采样极限来加速 MR 图像采集。本文提出一种基于生成对抗网络（GAN）的新型 CS-MRI 重建框架。结合基于块判别器与基于结构相似性指数的损失，我们的模型侧重于在重建图像中保持高频内容以及精细纹理细节。在基于 U-net 的生成器架构中引入了密集连接与残差连接，以便更易传递信息并支持可变网络深度。我们表明，我们的算法在重建质量与抗噪鲁棒性方面优于最先进方法。此外，重建时间为毫秒量级，使其非常适用于实时临床使用。
引用
@article{arxiv.1910.06067,
title = {Structure Preserving Compressive Sensing MRI Reconstruction using Generative Adversarial Networks},
author = {Puneesh Deora and Bhavya Vasudeva and Saumik Bhattacharya and Pyari Mohan Pradhan},
journal= {arXiv preprint arXiv:1910.06067},
year = {2020}
}
备注
Accepted in IEEE CVPR Workshop on NTIRE 2020