K-Space Transformer for Fast MRIReconstruction with Implicit Representation

要約

この論文は、高速MRI再構成の問題を考察します。
ConvNetsのように通常のグリッドの制限を超えて、k空間でまばらにサンプリングされた信号を直接処理するための新しいTransformerベースのフレームワークを提案します。
スペクトログラムの暗黙的な表現を採用し、空間座標を入力として扱い、部分的に観測された測定値を動的にクエリしてスペクトログラムを完成させます。つまり、k空間の誘導バイアスを学習します。
計算コストと再構成品質のバランスをとるために、低解像度デコーダーと高解像度デコーダーをそれぞれ備えた階層構造を構築します。
提案されたモジュールの必要性を検証するために、2つの公開データセットで広範な実験を実施し、最先端のアプローチよりも優れた、または同等のパフォーマンスを示しました。

要約(オリジナル)

This paper considers the problem of fast MRI reconstruction. We propose a novel Transformer-based framework for directly processing the sparsely sampled signals in k-space, going beyond the limitation of regular grids as ConvNets do. We adopt an implicit representation of spectrogram, treating spatial coordinates as inputs, and dynamically query the partially observed measurements to complete the spectrogram, i.e. learning the inductive bias in k-space. To strive a balance between computational cost and reconstruction quality, we build an hierarchical structure with low-resolution and high-resolution decoders respectively. To validate the necessity of our proposed modules, we have conducted extensive experiments on two public datasets, and demonstrate superior or comparable performance over state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google