GA-HQS: MRI reconstruction via a generically accelerated unfolding approach

要約

タイトル：GA-HQS：ジェネリック加速アンフォールディングアプローチによるMRI再構成
要約：
・MRIにおける圧縮センシングに関するDeep unfolding networks（DUNs）が最先端の方法であるが、第一次最適化アルゴリズムに大きく依存する、不十分な情報融合メカニズム、長距離関係の捉え方の制限などの困難な問題がまだ存在する。
・これらの問題に対処するために、ジェネリック加速ハーフ-二次分割（GA-HQS）アルゴリズムを提案する。このアルゴリズムは、2次勾配情報とピクセルレベルでの入力の繊細な融合のためのピラミッド注意モジュールを取り込んでおり、グローバルな特徴表現を強化するために多段階分割トランスフォーマーも設計されている。
・包括的な実験により、当社の手法が単コイルMRI加速タスクで以前の手法を上回ることが示される。

要約(オリジナル)

Deep unfolding networks (DUNs) are the foremost methods in the realm of compressed sensing MRI, as they can employ learnable networks to facilitate interpretable forward-inference operators. However, several daunting issues still exist, including the heavy dependency on the first-order optimization algorithms, the insufficient information fusion mechanisms, and the limitation of capturing long-range relationships. To address the issues, we propose a Generically Accelerated Half-Quadratic Splitting (GA-HQS) algorithm that incorporates second-order gradient information and pyramid attention modules for the delicate fusion of inputs at the pixel level. Moreover, a multi-scale split transformer is also designed to enhance the global feature representation. Comprehensive experiments demonstrate that our method surpasses previous ones on single-coil MRI acceleration tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI