ReconFormer:使用循环变压器加速MRI重建
IEEE transactions on medical imaging
|September 13, 2023
概括
ReconFormer是一个新的循环变压器模型,增强了磁共振成像 (MRI) 从未采样的k空间数据的重建. 这种高效的AI模型可以用更少的参数实现高保真图像,从而提高诊断准确度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 加速磁共振成像 (MRI) 重建对于减少扫描时间至关重要,但由于k空间采样不足,它提出了一个错误的反向问题.
- 现有的方法难以平衡重建忠实性与加速因子.
研究的目的:
- 介绍ReconFormer,一个新的循环变压器模型,用于从高度不足的k空间数据中高准确度MRI重建.
- 与最先进的方法相比,证明模型的有效性和参数效率.
主要方法:
- 提出了一个循环变压器架构,ReconFormer,建立在循环金字塔变压器层 (RPTLs) 上.
- 实施反复的规模智能关注 (RSA) 以利用多个规模的信息和反复的状态依赖.
- 在多种不同的MRI数据集和序列上验证模型,加速速度高达8倍.
主要成果:
- 在MRI重建质量方面,ReconFormer比现有方法取得了显著的改进.
- 该模型展示了卓越的参数效率,只有110万个可训练的参数.
- 高准确度的图像重建甚至可以在大量的k空间采样不足的情况下实现.
结论:
- ReconFormer为加速MRI重建提供了一种强大而高效的解决方案.
- 拟议的循环缩放式注意力机制是其性能的关键.
- 这种方法有望实现更快,更容易获得的MRI诊断.
