用于快速MRI的Swin Transformer
图像与视频处理
2022-04-12 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
磁共振成像（MRI）是一种重要的非侵入性临床工具，可产生高分辨率且可重复的图像。然而，高质量MR图像需要较长扫描时间，导致患者疲惫与不适，并因患者自主运动与 involuntary 生理运动产生更多伪影。为加速扫描过程，基于k空间欠采样与深度学习重建的方法已普及。本工作提出SwinMR，一种基于Swin Transformer的新型快速MRI重建方法。整个网络由输入模块（IM）、特征提取模块（FEM）和输出模块（OM）组成。IM与OM为2D卷积层，FEM由级联的残差Swin Transformer块（RSTBs）与2D卷积层构成。RSTB包含一系列Swin Transformer层（STLs）。STL的移位窗口多头自注意力（W-MSA/SW-MSA）在移位窗口中执行，而非原始Transformer在整个图像空间的多头自注意力（MSA）。利用灵敏度图提出了一种新颖的多通道损失，证明可保留更多纹理与细节。我们在Calgary-Campinas公开脑MR数据集上开展了一系列对比研究与消融研究，并在Multi-modal Brain Tumour Segmentation Challenge 2017数据集上进行了下游分割实验。结果表明，与其他基准方法相比，我们的SwinMR实现了高质量重建，且在不同欠采样掩码、噪声干扰及不同数据集下均表现出强鲁棒性。代码已公开于https://github.com/ayanglab/SwinMR。
引用
@article{arxiv.2201.03230,
title = {Swin Transformer for Fast MRI},
author = {Jiahao Huang and Yingying Fang and Yinzhe Wu and Huanjun Wu and Zhifan Gao and Yang Li and Javier Del Ser and Jun Xia and Guang Yang},
journal= {arXiv preprint arXiv:2201.03230},
year = {2022}
}
备注
55 pages, 19 figures, submitted to Neurocomputing journal