Image Reconstruction for Accelerated MR Scan with Faster Fourier Convolutional Neural Networks

要約

パーシャルスキャンは、2Dおよび3Dの両方で磁気共鳴画像（MRI）データ取得を高速化するための一般的なアプローチである。しかし、部分スキャンデータ（不完全なk空間マトリックス）から正確に画像を再構成することは、空間とk空間の両方の領域で効果的にグローバルな受容野がないため、依然として困難である。この問題を解決するために、我々は以下のことを提案する：(1) 畳み込みニューラルネットワーク（例：U-Net、ResNet）で一般的に用いられる2回連続の畳み込み演算を置き換えるために、Faster Fourier Convolution（FasterFC）という新しい畳み込み演算を提案する。フーリエ理論のスペクトル畳み込み定理に基づき、FasterFCは異なるドメインでサイズ1のカーネルを交互に用いることで、デュアルドメインの受容野をグローバルに拡張し、従来のFast Fourier Convolution（FFC）よりも高速な計算速度を達成した。）(2) FasterFCを用いた2次元加速MRI法FasterFC-End-to-End-VarNetにより、感度マップと再構成品質を向上させる。(3) FasterFC-based Single-to-group Network (FAS-Net)と呼ばれる多段式3次元加速MRI法で、single-to-groupアルゴリズムを用いてk空間領域の再構成をガイドし、その後FasterFCベースのカスケード畳み込みニューラルネットワークを用いてデュアルドメインの有効受容野を拡大する。fastMRIとStanford MRI Dataデータセットでの実験結果は、FasterFCが2Dと3Dの両方の再構成の質を向上させることを実証しています。さらに、FAS-Netは、3D高解像度マルチコイル（8）加速MRI法として、最先端の2Dおよび3D法と比較して、定性的および定量的な結果の両方で優れた再構成性能を達成する。

要約(オリジナル)

Partial scan is a common approach to accelerate Magnetic Resonance Imaging (MRI) data acquisition in both 2D and 3D settings. However, accurately reconstructing images from partial scan data (i.e., incomplete k-space matrices) remains challenging due to lack of an effectively global receptive field in both spatial and k-space domains. To address this problem, we propose the following: (1) a novel convolutional operator called Faster Fourier Convolution (FasterFC) to replace the two consecutive convolution operations typically used in convolutional neural networks (e.g., U-Net, ResNet). Based on the spectral convolution theorem in Fourier theory, FasterFC employs alternating kernels of size 1 in 3D case) in different domains to extend the dual-domain receptive field to the global and achieves faster calculation speed than traditional Fast Fourier Convolution (FFC). (2) A 2D accelerated MRI method, FasterFC-End-to-End-VarNet, which uses FasterFC to improve the sensitivity maps and reconstruction quality. (3) A multi-stage 3D accelerated MRI method called FasterFC-based Single-to-group Network (FAS-Net) that utilizes a single-to-group algorithm to guide k-space domain reconstruction, followed by FasterFC-based cascaded convolutional neural networks to expand the effective receptive field in the dual-domain. Experimental results on the fastMRI and Stanford MRI Data datasets demonstrate that FasterFC improves the quality of both 2D and 3D reconstruction. Moreover, FAS-Net, as a 3D high-resolution multi-coil (eight) accelerated MRI method, achieves superior reconstruction performance in both qualitative and quantitative results compared with state-of-the-art 2D and 3D methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL