Neural Implicit k-Space for Binning-free Non-Cartesian Cardiac MR Imaging

要約

この作業では、ECG トリガー非デカルト心臓磁気共鳴画像 (CMR) の k 空間でニューラルの暗黙的な表現を直接学習する新しい画像再構成フレームワークを提案します。
既存の方法は、心臓の動きの 1 つのフェーズを再構築するために隣接する時点から取得したデータをビンに入れますが、私たちのフレームワークは、連続的でビニングのない被験者固有の k 空間表現を可能にします。時間、コイルで構成される一意の座標を割り当てます。
サンプリングされた各 k 空間ポイントへのインデックス、および周波数ドメインの位置。
次に、周波数領域正則化を備えた多層パーセプトロンを使用して、これらの一意の座標から k 空間強度へのサブジェクト固有のマッピングを学習します。
推論中に、デカルト座標の完全な k 空間と任意の時間分解能を取得します。
単純な逆フーリエ変換によって画像が復元されるため、非デカルト データに対する密度補正やコストのかかる不均一なフーリエ変換が不要になります。
この新しいイメージング フレームワークは、6 人の被験者から放射状にサンプリングされた 42 のデータセットでテストされました。
提案された方法は、4 つおよび 1 つの心拍と 30 の心位相からのデータを使用して、定性的および定量的に他の技術よりも優れています。
50 の心位相の 1 つの心拍再構成の結果は、リアルタイム CMR の可能性を活用して、改善されたアーティファクト除去と時空間分解能を示しています。

要約(オリジナル)

In this work, we propose a novel image reconstruction framework that directly learns a neural implicit representation in k-space for ECG-triggered non-Cartesian Cardiac Magnetic Resonance Imaging (CMR). While existing methods bin acquired data from neighboring time points to reconstruct one phase of the cardiac motion, our framework allows for a continuous, binning-free, and subject-specific k-space representation.We assign a unique coordinate that consists of time, coil index, and frequency domain location to each sampled k-space point. We then learn the subject-specific mapping from these unique coordinates to k-space intensities using a multi-layer perceptron with frequency domain regularization. During inference, we obtain a complete k-space for Cartesian coordinates and an arbitrary temporal resolution. A simple inverse Fourier transform recovers the image, eliminating the need for density compensation and costly non-uniform Fourier transforms for non-Cartesian data. This novel imaging framework was tested on 42 radially sampled datasets from 6 subjects. The proposed method outperforms other techniques qualitatively and quantitatively using data from four and one heartbeat(s) and 30 cardiac phases. Our results for one heartbeat reconstruction of 50 cardiac phases show improved artifact removal and spatio-temporal resolution, leveraging the potential for real-time CMR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google