VS-Net：用于加速并行MRI重建的变量分裂网络
图像与视频处理
2019-07-24 v1 计算机视觉与模式识别
摘要
在这项工作中，我们提出了一种用于并行磁共振成像（MRI）重建的深度学习方法，称为变量分裂网络（VS-Net），用于对欠采样多线圈MR数据进行高效、高质量的重建。我们将广义并行压缩感知重建表述为一个能量最小化问题，并推导出一种变量分裂优化方法。基于该表述，我们通过展开该变量分裂方案所得到的迭代过程，提出了一种新颖的、端到端可训练的深度神经网络架构。VS-Net在4倍和6倍加速因子下的复值多线圈膝关节图像上进行了评估。我们表明，VS-Net在重建精度和感知质量方面优于最先进的（SOTA）深度学习重建算法。我们的代码已在 https://github.com/j-duan/VS-Net 公开可用。
引用
@article{arxiv.1907.10033,
title = {VS-Net: Variable splitting network for accelerated parallel MRI reconstruction},
author = {Jinming Duan and Jo Schlemper and Chen Qin and Cheng Ouyang and Wenjia Bai and Carlo Biffi and Ghalib Bello and Ben Statton and Declan P O'Regan and Daniel Rueckert},
journal= {arXiv preprint arXiv:1907.10033},
year = {2019}
}
备注
Accepted by MICCAI 2019