Alapfogalmak
제안된 점진적 분할 및 정복(PDAC) 기법은 실제 심각한 열화를 분해하여 순차적으로 재구성을 수행함으로써 기존 방법들의 한계를 극복한다.
Kivonat
이 논문은 가속화된 MRI 재구성을 위한 새로운 점진적 분할 및 정복(PDAC) 기법을 제안한다.
기존 방법들은 각 반복 단계에서 전체 null 공간의 정보를 복구하려 하지만, 이는 심각한 열화 문제에 취약할 수 있다.
제안하는 PDAC 기법은 실제 심각한 열화를 일련의 중간 수준 열화로 분해하고, 각 단계에서 특정 분해된 열화에 대해 순차적으로 재구성을 수행한다.
PDAC 반복 과정을 end-to-end 학습 가능한 네트워크로 풀어내며, 열화 분해를 보조 작업으로 동시에 학습한다.
열화 예측기와 열화 심각도 조절 모듈을 통해 각 단계의 열화 패턴을 고려한다.
fastMRI와 Stanford2D FSE 데이터셋에서 단일 코일 및 다중 코일 MRI 재구성 실험 결과, 제안 방법이 기존 최신 방법들을 일관되게 능가하는 성능을 보인다.
Statisztikák
실제 심각한 열화는 일련의 중간 수준 열화로 분해할 수 있다.
각 반복 단계에서 특정 분해된 열화에 대해 재구성을 수행한다.
열화 예측기를 통해 분해된 샘플링 마스크를 예측하고, 열화 심각도 조절 모듈을 통해 각 단계의 열화 패턴을 고려한다.
Idézetek
"제안된 점진적 분할 및 정복(PDAC) 기법은 실제 심각한 열화를 분해하여 순차적으로 재구성을 수행함으로써 기존 방법들의 한계를 극복한다."
"PDAC 반복 과정을 end-to-end 학습 가능한 네트워크로 풀어내며, 열화 분해를 보조 작업으로 동시에 학습한다."
"fastMRI와 Stanford2D FSE 데이터셋에서 단일 코일 및 다중 코일 MRI 재구성 실험 결과, 제안 방법이 기존 최신 방법들을 일관되게 능가하는 성능을 보인다."