基于深度学习的超快（毫秒级）多维RF脉冲设计
医学物理
2019-01-08 v2
摘要
目的：一些先进RF脉冲，如多维RF脉冲，常因若干约束与要求而耗时很长且需大量计算，有时阻碍临床应用。但这些脉冲提供了缩减视场成像、区域翻转角均匀化以及定域波谱（如超极化代谢物的波谱）的机会。我们提出一种新颖的深度学习方法以超快设计多维RF脉冲，意图实现实时脉冲更新。方法：所提神经网络接收所需激励感兴趣区的输入图，输出多维RF脉冲。训练库取自大型图像数据库，所训练的目标RF脉冲由选定方法计算。结果：一个相对简单的神经网络足以产生与教学方法性能相当的可靠2D空间选择RF脉冲。对于二值感兴趣区，训练库无需庞大，因此重建训练库未必繁琐。所预测的单通道脉冲在3 T下作了数值与实验测试。结论：我们展示了基于非MRI相关输入、却在MRI环境中工作的多维RF脉冲的较轻松训练。数毫秒的预测时间使先进RF脉冲的实时更新成为可能。
引用
@article{arxiv.1811.02273,
title = {Ultra-fast (milliseconds), multi-dimensional RF pulse design with deep learning},
author = {Mads Sloth Vinding and Birk Skyum and Ryan Sangill and Torben Ellegaard Lund},
journal= {arXiv preprint arXiv:1811.02273},
year = {2019}
}