基于深度学习的重建方法的审查,用于加速MRI使用时空和多对比冗余的空间和多对比冗余
Seonghyuk Kim1, HyunWook Park1, Sung-Hong Park1,2
1School of Electrical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, Republic of Korea.
Biomedical engineering letters
|October 28, 2024
概括
深度学习显著增强了加速磁共振成像 (MRI),通过利用信号冗余来实现更快的扫描和更好的图像质量. 这篇评论探讨了用于强大的MRI重建的先进深度学习技术.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 加速磁共振成像 (MRI) 通过获得更少的k空间数据点来减少扫描时间.
- 这种加速引入了文物,挑战了传统的重建方法.
- 深度学习 (DL) 已经成为改善加速MRI重建的强大工具.
研究的目的:
- 审查传统和基于深度学习的加速MRI重建方法.
- 要突出DL如何利用信号冗余 (多线圈,多对比,时空) 进行增强的重建.
- 讨论加速MRI的DL当前的挑战和未来的方向.
主要方法:
- 关于加速MRI重建技术的现有文献的审查.
- 专注于深度学习方法,包括专门的网络架构.
- 分析使用多线圈,多对比和时空冗余的方法.
主要成果:
- 与传统技术相比,深度学习方法在重建加速MRI方面表现优越.
- 利用信号冗余可显著提高重建质量,并允许更高的加速度因子.
- 硬件和网络设计的进步有助于基于DL的MRI的成功.
结论:
- 深度学习为加速MRI中的文物减少和细节保存提供了强大的解决方案.
- 利用固有的信号冗余是实现高质量,快速MRI扫描的关键.
- 未来的研究应该解决目前的局限性,并探索新的DL策略,以进一步推进.
