TEAM PILOT -- 基于深度学习的可延伸动态MRI采集轨迹
图像与视频处理
2024-09-20 v1 计算机视觉与模式识别
摘要
动态磁共振成像 (MRI) 是 capturing 器官和组织运动的关键无创方法,是医学诊断的核心工具。然而动态MRI面临主要挑战:为实现高时空分辨率需耗时过长,导致成本增加、患者不适、运动伪影及图像质量下降。压缩感知 (CS)通过在傅里叶域获取减少的MR数据,基于选定采样模式,从部分数据重建完整图像以解决此问题。虽已开发多种深度学习方法优化采样模式并提升重建效果,但常面临优化与推理速度慢、仅限于训练时特定时序维度等局限。本文引入新型深度压缩感知方法,融合3D窗口注意力与灵活、可时序延伸的数据采集轨迹。方法显著缩短训练与推理时间,且能适应推理时的不同时序维度无需额外训练。真实数据测试表明,本方法超越当前最先进技术于五个方面。
引用
@article{arxiv.2409.12777,
title = {TEAM PILOT -- Learned Feasible Extendable Set of Dynamic MRI Acquisition Trajectories},
author = {Tamir Shor and Chaim Baskin and Alex Bronstein},
journal= {arXiv preprint arXiv:2409.12777},
year = {2024}
}