面向随机采样心脏 MRI 重构的通用提示引导模型 UPCMR
计算机视觉与模式识别
2025-02-24 v1 人工智能
机器学习
摘要
心脏磁共振成像（Cardiac Magnetic Resonance Imaging, CMR）是诊断心脏疾病的关键手段，但延长的扫描时间仍是主要劣势。为此，引入加速成像技术通过不完全采样 k 空间来缩短扫描时间，但会降低结果图像质量。近期深度学习的进展旨在在保持质量的同时加速扫描，但适应各种采样模式和不完全采样因子仍具有挑战。因此，构建通用模型是一个有前景的方向。本文引入 UPCMR，一个为 CMR 重构设计的通用 unroll 模型。该模型包含两种可学习的提示：采样特定提示和空间特定提示，并将其与每个模块中的 UNet 结构集成。总体而言，通过使用 CMRxRecon2024 挑战数据集进行训练和验证，UPCMR 模型通过一种有效的训练策略显著提升了所有随机采样场景下重构图像的质量，显示出强大的适应性潜力。
引用
@article{arxiv.2502.14899,
title = {UPCMR: A Universal Prompt-guided Model for Random Sampling Cardiac MRI Reconstruction},
author = {Donghang Lyu and Chinmay Rao and Marius Staring and Matthias J. P. van Osch and Mariya Doneva and Hildo J. Lamb and Nicola Pezzotti},
journal= {arXiv preprint arXiv:2502.14899},
year = {2025}
}
备注
Accepted paper for STACOM 2024