概括
对于磁共振成像 (MRI) 的深度学习 (DL) 现在可以使用有限分辨率的k空间数据进行训练. 这种方法可以实现最先进的性能,而不需要完全采样数据.
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:
- 深度学习 (DL) 方法擅长逆向问题,但需要高质量的培训数据.
- 获取完全采样的高分辨率k空间数据对于高维磁共振成像 (MRI) 是不切实际的.
- 由于数据采集的局限性,现有的DL方法在MRI中面临挑战.
结论:
- k频段在MRI重建中提供了最先进的性能,同时仅在有限分辨率的数据上进行训练.
- 介绍了一个实用的,自我监督的培训框架,具有快速获取和重建能力.
- 为其在MRI中解决反向问题的有效性提供理论保证.


