非笛卡儿磁共振成像的密度补偿展开网络

作者: | Zaccharie Ramzi | Philippe Ciuciu | Jean-Luc Starck |

摘要:深层神经网络作为磁共振成像的有力工具,近年来得到了深入的研究。然而,对于它们用于特定的核磁共振成像,即非笛卡儿的获取,目前还缺乏研究。在本文中,我们引入了一种新的深度神经网络来解决这个问题,即密度补偿的非滚动神经网络。我们在公开的快速MRI数据上评估它们的效率,并进行一项小型的消融研究。我们还开源了我们的代码,特别是用于TensorFlow的非均匀快速傅里叶变换。

论文地址

https://arxiv.org/abs/2101.01570v1

下载地址

https://arxiv.org/pdf/2101.01570v1.pdf

全部源码

https://github.com/zaccharieramzi/fastmri-reproducible-benchmark 类型: tensorflow

MRI重建

相关推荐

暂无评论

微信扫一扫,分享到朋友圈

非笛卡儿磁共振成像的密度补偿展开网络