partial Fourier (PF) imaging

新的UMPIRE-Net方法通过分离幅度和相位来增强MRI重建

研究人员开发了UMPIRE-Net，一种用于加速磁共振成像（MRI）重建的新型物理驱动深度学习方法。与先前将它们耦合的方法不同，这种新方法将幅度和相位分量的学习分开。UMPIRE-Net旨在提高重建质量，特别是在像部分傅里叶（PF）成像这样需要精确相位建模的场景中。实验表明，与现有的复值深度学习基线相比，UMPIRE-Net能够生成更清晰、伪影更少的图像。