用于加速径向电影 MRI 的无监督自适应神经网络正则化
图像与视频处理
2020-02-11 v1 机器学习
机器学习
摘要
在这项工作中，我们提出了一种针对二维径向电影 MRI 的迭代重建方案（ALONE——Adaptive Learning Of NEtworks，自适应学习网络），该方案基于无真值（ground truth-free）的无监督浅层卷积神经网络学习。网络在重建过程中被训练以逼近当前解估计的块。通过采用浅层网络拓扑并约束所学滤波器的 范数，限制了网络的表示能力，使其无法恢复噪声。因此，该网络可解释为对块进行低维逼近以稳定反演过程。我们将所提重建方案与两种无真值重建方法进行比较，即著名的全变分（TV）最小化和无监督自适应字典学习（DIC）方法。所提方法在所有报告的量化指标上均优于这两种方法。此外，与 DIC 中块的稀疏逼近涉及复杂优化问题的求解不同，ALONE 仅需将所有块通过浅层网络进行一次前向传播，因而显著加速了重建。
引用
@article{arxiv.2002.03820,
title = {Unsupervised Adaptive Neural Network Regularization for Accelerated Radial Cine MRI},
author = {Andreas Kofler and Marc Dewey and Tobias Schaeffter and Christoph Kolbitsch and Markus Haltmeier},
journal= {arXiv preprint arXiv:2002.03820},
year = {2020}
}