导读: 基于残留的特征调制网络的深层级别重建,用于快速的MRI重建

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算机视觉 计算机视觉

背景情况:

• 深层级联络用于加速磁共振成像 (MRI).
• 在级联架构中增加网络深度可能会导致性能高原或在没有适当指导的情况下退化.
• 现有的方法往往缺乏有效的机制来指导在级联结构内的单个子网络.

研究的目的:

• 提出一种新的并行网络架构,DIRECTION,用于增强MRI重建.
• 引入一个基于重建残留的特征调制机制 (RRFMM) 来引导使用重建残留的子网络.
• 提高MRI加速的性能和克服传统深层级联网在MRI加速中的局限性.

主要方法:

• 开发了一个名为DIRECTION的平行架构.
• 介绍了使用残留注意力调制块 (RAMB) 的重建残留基于特征调制机制 (RRFMM).
• 实施跨阶段特征重用连接 (CSFRC) 和重建密集连接 (RDC) 以减少信息丢失和增强特征表示.

主要成果:

• 拟议的RRFMM有效地指导每个子网络以独特的优化目标.
• CSFRC和RDC有助于减少信息丢失和改进功能表示.
• 对快速MRI膝盖数据集的实验表明,与最先进的方法相比,显著提高了性能.

结论:

• 导向架构,其RRFMM,CSFRC和RDC,有效地提高MRI重建性能.
• 这种并行方法提供了一个优秀的替代方案,而不是简单地增加深度网络中的级联数字.
• 该方法在加速MRI中取得了最先进的定量和质量结果.