MA-RECON:面具感知深度神经网络,用于强大的快速MRI k空间插值
1Faculty of Biomedical Engineering, Technion IIT, Haifa, Israel.
Computer methods and programs in biomedicine
|December 1, 2023
概括
这项研究介绍了MA-RECON,一种面具感知深度神经网络 (DNN),用于更快的MRI重建. 在训练过程中,MA-RECON通过考虑低采样面罩来提高图像质量和稳定性,从而提高了医疗成像的概括性.
科学领域:
- 医疗成像医学成像
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 加快MRI采集对于改善时间分辨率和患者舒适性至关重要.
- 深度神经网络 (DNN) 显示出从低采样k空间数据重建MRI的前景.
- 目前的DNN由于获取和解剖学的变化而难以泛化.
研究的目的:
- 为了提高基于DNN的MRI重建的概括性和稳定性.
- 推出MA-RECON,一个新的面具意识DNN架构和培训策略.
主要方法:
- MA-RECON编码了观察到的MRI数据和下样本掩盖.
- 一种量身定制的培训方法使用多种不同的低采样口罩来改善模型的概括性.
- 该方法有效地模拟了MRI重建中的反向问题.
主要成果:
- 与标准DNN相比,MA-RECON在快速MRI数据集上表现出优越的概括性.
- 该方法显示了对收购和解剖学变化的强度的提高.
- 观察到显著的改善,特别是在病理区域.
结论:
- 面具意识策略增强了MRI重建的DNN概括.
- 对于低采样的k空间数据,MA-RECON提供了更好的稳定性.
- 这种方法推进了基于DNN的加速MRI解决方案.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.8K
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
616
