Core Concepts
MRI再構築のための進行的分割と征服によるサブサンプリング分解手法を提案し、優れたパフォーマンスを達成した。
Abstract
MRI再構築における新しいPDAC戦略を提案し、厳密な導出を行い、エンドツーエンドトレーニング可能なネットワークに展開した。
PDACは各反復で特定の中程度の劣化情報を回復することに焦点を当てており、デコンポジションに基づいて特定の劣化情報を取り上げている。
デグレード予測器と重症度調整モジュールを導入して、デグレード分解学習と統合されたアシスタントタスクを実現している。
多コイルおよび単コイル設定で提案手法が優れたパフォーマンスを達成し、他の既存手法と比較しても優位性が示されている。
実験結果は、PDAC戦略がMRI再構築において有効であることを示している。
Stats
MRI画像再構築におけるPDAC戦略はPSNR値37.12dBで最高性能を達成した。
提案手法はStanford2D FSEデータセットでPSNR値1.34dB向上させた。
PDAC戦略では8×加速MRI再構築でHUMUSNetよりも0.35dB高いPSNR値を達成した。
Quotes
"PDACフレームワークはMRI画像再構築における新しい方法論です。"
"提案手法は他の競合手法と比較して一貫して優れたパフォーマンスを発揮します。"