Multi PILOT: Learned Feasible Multiple Acquisition Trajectories for Dynamic MRI

要約

動的磁気共鳴画像法 (MRI) は、内臓および組織の動的画像化のための強力で信頼性の高い技術であることが知られており、主要な診断ツールとなっています。
この設定で MRI を使用する際の主な問題は、高時空間解像度でのイメージングに必要な比較的長い取得時間 (したがって、コストの増加) であり、関連するモーション アーティファクトの出現と解像度の低下につながります。
圧縮センシング (CS) 技術は、取得軌跡に従って k 空間で画像をサブサンプリングすることにより、MRI 取得時間を短縮するための一般的なツールになりました。
いくつかの研究では、事前に定義された一連の軌道を使用するのではなく、より良い画像再構成を達成するために、ディープラーニング技術を適用してこれらの取得軌道を学習することに特に焦点を当てています。
私たちの知る限りでは、取得軌跡の学習は静的 MRI のコンテキストでのみ調査されています。
この研究では、ダイナミック イメージング設定での取得軌道学習を検討します。
再構成ニューラル ネットワークと共に複数のフレームごとの取得軌跡を共同で最適化するためのエンド ツー エンドのパイプラインを設計し、より短い取得時間で画像再構成品質の向上を実証します。
すべての実験を再現するためのコードは、https://github.com/tamirshor7/MultiPILOT でアクセスできます。

要約(オリジナル)

Dynamic Magnetic Resonance Imaging (MRI) is known to be a powerful and reliable technique for the dynamic imaging of internal organs and tissues, making it a leading diagnostic tool. A major difficulty in using MRI in this setting is the relatively long acquisition time (and, hence, increased cost) required for imaging in high spatio-temporal resolution, leading to the appearance of related motion artifacts and decrease in resolution. Compressed Sensing (CS) techniques have become a common tool to reduce MRI acquisition time by subsampling images in the k-space according to some acquisition trajectory. Several studies have particularly focused on applying deep learning techniques to learn these acquisition trajectories in order to attain better image reconstruction, rather than using some predefined set of trajectories. To the best of our knowledge, learning acquisition trajectories has been only explored in the context of static MRI. In this study, we consider acquisition trajectory learning in the dynamic imaging setting. We design an end-to-end pipeline for the joint optimization of multiple per-frame acquisition trajectories along with a reconstruction neural network, and demonstrate improved image reconstruction quality in shorter acquisition times. The code for reproducing all experiments is accessible at https://github.com/tamirshor7/MultiPILOT.

arxiv情報

著者 Tamir Shor,Tomer Weiss,Dor Noti,Alex Bronstein
発行日 2023-03-13 14:23:39+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG, eess.IV パーマリンク