Introducing an end-to-end framework for adaptive dynamic subsampling and reconstruction in cardiac MRI, showcasing superior performance at high accelerations.
Exploiting Graph Image Prior (GIP) for dynamic MRI reconstruction enhances performance and generalization ability.
This research paper introduces DDEI, a novel unsupervised learning framework for dynamic MRI reconstruction that leverages diffeo-temporal equivariance, eliminating the need for ground truth data and outperforming existing unsupervised methods.
本稿では、完全教師なしフレームワークを用いて、アンダーサンプリングされた測定値のみから動的MRIシーケンスを再構成する新しい手法を提案する。これは、真の生理学的動きを学習することができない、ゲートされた擬似グラウンドトゥルースデータに依存する教師あり手法の限界に対処するものである。