论文标题：A review of deep learning methods for MRI reconstruction

论文链接：https://arxiv.org/abs/2109.08618

作者单位：哈佛大学

随着深度学习在广泛的应用中取得成功，基于神经网络的机器学习技术在加速磁共振成像(MRI)采集和重建策略方面受到了极大的关注。许多受计算机视觉和图像处理深度学习技术启发的想法，本着加速MRI的压缩感知的精神，已成功应用于非线性图像重建。鉴于该领域的快速发展性质，必须巩固和总结文献中报道的大量深度学习方法，以便更好地了解该领域。本文概述了基于神经网络的方法的最新发展，这些方法专门用于改进parallel imaging，还从基于k空间的重建方法的经典观点给出了并行MRI的一般背景和介绍。引入改进的正则化器的基于图像域的技术与基于k空间的方法一起涵盖，这些方法侧重于使用神经网络的更好的插值策略。虽然该领域正在迅速发展，每年发表数千篇论文，但在本次调研中，我们试图涵盖在公开数据集上表现出良好性能的广泛类别的方法。还讨论了限制和开放问题，并检查了最近为社区生成开放数据集和基准的努力。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除