基于极端 k 空间欠采样与超分辨的极速 MRI 研究
计算机视觉与模式识别
2021-10-01 v1 图像与视频处理
摘要
我们采用了低于所有引用原始 fastMRI 挑战赛的已发表论文所报道的 MRI 加速因子（即 k 空间欠采样），然后考虑使用强大的基于深度学习的图像增强方法来补偿欠分辨图像。我们深入研究了采样模式、欠采样与下采样因子以及恢复模型对脑部和膝部 fastMRI 基准测试最终图像质量的影响。重建图像的质量超越其他方法，在 x16 加速因子下得到 MSE 0.00114、PSNR 29.6 dB 和 SSIM 0.956。我们还研究了 x32 和 x64 的更极端欠采样因子，这在计算机辅助手术或放疗规划等某些临床应用中具有前景。我们调查了 5 位放射科专家来评估 100 对图像，结果表明恢复后的欠采样图像在统计上保留了其诊断价值。
引用
@article{arxiv.2103.02940,
title = {Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution},
author = {Aleksandr Belov and Joel Stadelmann and Sergey Kastryulin and Dmitry V. Dylov},
journal= {arXiv preprint arXiv:2103.02940},
year = {2021}
}
备注
Main text: 10 pages and 8 figures. 18 pages and 14 figures total (Supplementary material included)