가변 분할 네트워크 기반 가속 병렬 MRI 재구성
본 논문은 다중 코일 MRI 데이터를 효율적으로 복원하기 위해 변수 분할(variable splitting) 최적화 이론을 딥러닝에 접목한 VS‑Net을 제안한다. 원본 압축감지 모델을 에너지 최소화 문제로 정의하고, 이를 변수 분할 방식으로 풀어낸 뒤 각 단계(denoiser, data consistency, weighted average)를 신경망 블록으로 구현한다. 복소수 입력을 실‑복소 두 채널로 처리하고, 데이터 일관성 블록은 폐쇄형 …
저자: Jinming Duan, Jo Schlemper, Chen Qin
본 논문은 가속된 병렬 MRI(p‑MRI) 재구성을 위해 변수 분할(variable splitting) 최적화 이론을 딥러닝에 접목한 VS‑Net(Variable Splitting Network)을 제안한다. 기존 압축감지(CS‑MRI)와 병렬 MRI는 데이터 적합도와 정규화 항을 결합한 에너지 최소화 문제로 모델링되지만, 직접적인 최적화는 계산량이 많고 복소수 다중 코일 데이터를 다루기 어렵다. 이를 해결하기 위해 저자들은 원본 목적함수
\
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기