magnetic resonance imaging (MRI) is a vital medical imaging modality, but its
development has been limited by prolonged scanning time. deep learning
(DL)-based methods, which build neural networks to reconstruct
该论文提出了一种自我监督协作学习框架(SelfCoLearn),用于从不完整的 k - 空间数据准确地重建动态磁共振图像,该框架包括双网络协作学习、重新采样数据增强和特殊设计的共同训练损失三个重要的组件。在体内数据集上进行评估,结果表明,该方法具有从不完整的 k - 空间数据中捕获必要和固有表示以实现高质量和快速动态磁共振成像的强大能力。
介绍了基于神经网络的机器学习技术在 Magnetic Resonance Imaging(MRI)领域的应用以及针对当前加速 MRI 主流的多线圈信息的补充与研究,覆盖线性和非线性方法,探讨了引入改进正则化器的图像域方法以及基于神经网络的更好插值策略的 k 空间方法,讨论了相关问题和未解决的问题和近期为社区制定开放数据集和基准的努力。