研究人员开发了一种新颖的磁共振成像 (MRI) 框架,该框架能够自适应地学习整个 MRI 体积的 k 空间采样位置和采样量。该方法旨在通过智能地在切片之间分配采样预算并识别信息性 k 空间线来减少采集时间和成本,超越预定义的模式。该系统利用采集到的自校准信号 (ACS) 测量来利用解剖信息并协调采样决策,同时保持总采集预算。一个互补的重建网络可以优化相邻切片的重建并强制执行数据一致性,这两个网络在推理过程中无需完全采样的 k 空间即可进行联合优化。 AI
影响 这种自适应采样方法可以显著减少 MRI 扫描时间和成本,提高可及性和患者舒适度。
排序理由 学术论文,详细介绍了 MRI 采集和重建的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- magnetic resonance imaging
- Reyhaneh Neshatavar
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →