用于实时心脏电影MR成像的子空间隐式神经表示
图像与视频处理
2024-12-18 v1 人工智能
机器学习
摘要
传统心脏电影MRI方法依赖回顾性门控，这限制了时间分辨率及捕捉连续心脏动态的能力，尤其是在患有心律失常和心跳间变异的患者中。为了应对这些挑战，我们提出了一种基于子空间隐式神经表示的重建框架，用于对连续采样的径向数据进行实时心脏电影MRI。该方法采用两个多层感知机来学习空间和时间子空间基，利用了心脏电影MRI的低秩特性。网络以低分辨率重建进行初始化，并使用特定辐条损失函数进行微调，以恢复空间细节和时间保真度。我们的方法在训练期间直接利用连续采样的径向k空间辐条，从而无需分箱和非均匀FFT。在10和20的加速倍率下，该方法与传统分箱方法相比实现了更优的时空图像质量，展示了对动态心脏事件进行高分辨率成像并增强诊断能力的潜力。
引用
@article{arxiv.2412.12742,
title = {Subspace Implicit Neural Representations for Real-Time Cardiac Cine MR Imaging},
author = {Wenqi Huang and Veronika Spieker and Siying Xu and Gastao Cruz and Claudia Prieto and Julia Schnabel and Kerstin Hammernik and Thomas Kuestner and Daniel Rueckert},
journal= {arXiv preprint arXiv:2412.12742},
year = {2024}
}