End-to-End Variational Networks für die beschleunigte MRI-Rekonstruktion

Die geringe Akquisitionsgeschwindigkeit der magnetischen Resonanzbildgebung (MRI) hat zur Entwicklung zweier ergänzender Methoden geführt: die gleichzeitige Aufnahme mehrerer anatomischer Ansichten (Parallel Imaging) sowie die Aufnahme weniger Proben als für herkömmliche Signalverarbeitungsmethoden erforderlich (komprimierte Abtastung). Obwohl die Kombination dieser Ansätze die Möglichkeit bietet, die Scangeschwindigkeit erheblich zu erhöhen, bleibt die Rekonstruktion aus solchen untersampelten Multikoil-Daten weiterhin eine offene Herausforderung. In diesem Artikel präsentieren wir einen neuen Ansatz für dieses Problem, der bisher vorgeschlagene variational Methoden durch ein vollständig end-to-end lernendes Verfahren erweitert. Unser Verfahren erreicht auf dem fastMRI-Datensatz neue State-of-the-Art-Ergebnisse sowohl für Gehirn- als auch für Knie-MR-Aufnahmen.