基于生成对抗网络的协同重建与合成用于加速多对比度 MRI
计算机视觉与模式识别
2018-05-29 v1
摘要
对同一解剖结构的多对比度 MRI 采集丰富了可用于诊断的信息量。然而,额外对比度所带来的过长扫描时间可能成为限制因素。提升扫描效率的两类主流方法是欠采样采集的重建与缺失采集的合成。在重建中,性能随加速倍数增大、采样密度降低(尤其在高空间频率处)而下降。在合成中,目标对比度数据样本的缺失可能导致对图像特征产生伪影式敏感或 insensitive。本文提出一种基于条件生成对抗网络的多对比度 MRI 协同重建-合成新方法。该方法借助源对比度可用的共享高频信息来保留目标对比度的高频细节,并依靠目标对比度的欠采样采集来防止特征泄漏或丢失。在健康受试者与患者的脑 MRI 数据集上的演示表明,相较先前最先进方法,所提方法具有更优性能。该方法有助于提升多对比度 MRI 检查的质量与扫描效率。
引用
@article{arxiv.1805.10704,
title = {Synergistic Reconstruction and Synthesis via Generative Adversarial Networks for Accelerated Multi-Contrast MRI},
author = {Salman Ul Hassan Dar and Mahmut Yurt and Mohammad Shahdloo and Muhammed Emrullah Ildız and Tolga Çukur},
journal= {arXiv preprint arXiv:1805.10704},
year = {2018}
}