作为诊断工具的磁共振成像扫描仪：无图像主动采样

尽管磁共振成像具有很高的诊断准确性，但由于使用高磁场强度和较长的采集时间，将磁共振成像用作即时疾病识别工具面临着巨大的可及性挑战。我们提出了一个简单的问题：我们能否根据（自动化的）下游决策任务，在患者层面动态优化采集的样本，同时忽略图像重建？我们提出了一个基于机器学习的框架，该框架通过强化学习学习一种在患者层面的主动采样策略，以直接从欠采样的k空间推断疾病。我们通过推断欠采样膝关节磁共振成像数据中的半月板撕裂来验证我们的方法，在使用全采样k空间数据的基于机器学习的诊断中，我们实现了可比的诊断性能。我们分析了任务特定的采样策略，展示了我们主动采样方法的适应性。所引入的节俭采样策略有潜力降低对高场强的要求，从而增强基于磁共振成像的即时疾病识别及相关初步筛查工具的可行性。