K-Space Transformer for Undersampled MRI Reconstruction

要約

この論文では、アンダーサンプリングされた MRI 再構成の問題について考察します。
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。
k空間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、まばらにサンプリングされたポイントを動的にクエリしてスペクトログラムを再構築します。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、低解像度と高解像度の出力をそれぞれ生成する階層構造を持つデコーダーを構築します。
提案された方法の有効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 undersampled MRI reconstruction. We propose a novel Transformer-based framework for directly processing signal in k-space, going beyond the limitation of regular grids as ConvNets do. We adopt an implicit representation of k-space spectrogram, treating spatial coordinates as inputs, and dynamically query the sparsely sampled points to reconstruct the spectrogram, i.e. learning the inductive bias in k-space. To strike a balance between computational cost and reconstruction quality, we build the decoder with hierarchical structure to generate low-resolution and high-resolution outputs respectively. To validate the effectiveness of our proposed method, we have conducted extensive experiments on two public datasets, and demonstrate superior or comparable performance to state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google