使用长时序循环卷积网络合成动态MRI
图像与视频处理
2021-05-04 v2
摘要
提出了一种利用长时序循环卷积神经网络将呼吸器官运动的原始超声信号转换为高帧率动态MRI的方法。使用单阵元换能器（此处称为“器官构型运动”（OCM）传感器）采集超声信号，同时采集矢状面MR图像。两路数据流均用于训练级联卷积层以从原始超声中提取相关特征，随后接入循环神经网络以学习其时间动态。该网络以MR图像作为输出进行训练，并基于仅有的超声输入（无需任何进一步的MR扫描仪输入）以每秒100帧的时间分辨率预测MR图像。该方法在7名受试者上进行了验证。
引用
@article{arxiv.1807.09305,
title = {Synthesizing dynamic MRI using long-term recurrent convolutional networks},
author = {Frank Preiswerk and Cheng-Chieh Cheng and Jie Luo and Bruno Madore},
journal= {arXiv preprint arXiv:1807.09305},
year = {2021}
}
备注
8 pages, 3 figures