基于侧信息引导归一化的欠采样 MRI 重建
图像与视频处理
2022-03-08 v1 计算机视觉与模式识别
摘要
磁共振（MR）图像基于不同采集协议、视图、制造商、扫描参数等因素呈现出多种对比度和外观。这种通常可获取的与外观相关的侧信息会影响基于深度学习的欠采样磁共振成像（MRI）重建框架，但在当前大多数工作中被忽视。本文中，我们研究将此类侧信息用作卷积神经网络（CNN）中的归一化参数以改进欠采样 MRI 重建。具体而言，提出一个仅含少量层的侧信息引导归一化（SIGN）模块，以高效编码侧信息并输出归一化参数。我们在两种流行的重建架构 D5C5 和 OUCR 上检验了该模块的有效性。在多种加速率下对脑部和膝部图像的实验结果表明，所提方法相较其对应基线架构有显著提升。
引用
@article{arxiv.2203.03196,
title = {Undersampled MRI Reconstruction with Side Information-Guided Normalisation},
author = {Xinwen Liu and Jing Wang and Cheng Peng and Shekhar S. Chandra and Feng Liu and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2203.03196},
year = {2022}
}