Deep unsupervised learning for accelerated mri reconstruction

Denetimli rekonstrüksiyon modelleri, veri tutarlılığını sağlamak için görüntüleme operatörüyle ilgili denetimle birlikte, genelde yetersiz örneklenmiş ve tam örneklenmiş veri çiftleri üzerinde eğitilir. Denetim gereksinimlerini azaltmak için, derin görüntü modelleri rekonstrüksiyon sırasında görüntüleme operatörü ile eğitimsiz MRG modellerini birleştirir. Bunun yanı sıra, kurallı evrişimli mimariler, uzun menzilli ilişkileri yakalamada yetersizdir ve rastgele başlatılan ağlara dayanan modeller, rekonstrüksiyon sırasında performans kaybına uğrayabilir. Bu sınırlamaları ele almak için, burada transformatör ve çekişmeli üretici ağlara (SLATER) dayalı yeni bir denetimsiz MRG rekonstrüksiyon yöntemini tanıtıyoruz. SLATER, gürültüyü ve gizli değişkenleri bobin-kombine MR görüntüleri ile eşleştirmek için çapraz dikkat transformatörleri ve derin bir çekişmeli üretici ağı bünyesinde barındırır. Ön eğitim sırasında, bu koşulsuz ağ, denetimsiz bir üretici modelleme görevi ile yüksek kaliteli MR görüntüleri sentezlemeyi öğrenir. Rekonstrüksiyon sırasında, görüntüleme operatörü işleme dahil edilerek az örneklenmiş verilere tutarlılığı en üst düzeye çıkarmak için model parametreleri optimize edilir ve sıfır atışlı bir yeniden oluşturma gerçekleştirilmiş olur. Beyin MRG veri kümeleri üzerinde yapılan kapsamlı deneyler, SLATER'in son teknoloji denetimsiz yöntemlere karşı üstün performansını açıkça göstermektedir.