[논문 리뷰] Deep MRI Reconstruction: Unrolled Optimization Algorithms Meet Neural Networks

Dong Liang, Jing Cheng외 2명|arXiv (Cornell University)|2019. 07. 26.

Medical Imaging Techniques and Applications참고 문헌 38인용 수 37

한 줄 요약

이 논문은 딥 러닝 기반 MRI 재구성을 조사하고, 데이터 기반, 모델 기반, 통합 접근법으로 분류하며, 네트워크 구조, 공통점, 도전 과제 및 최적 설계와 이론에 대한 방향을 논의한다.

ABSTRACT

Image reconstruction from undersampled k-space data has been playing an important role for fast MRI. Recently, deep learning has demonstrated tremendous success in various fields and also shown potential to significantly speed up MR reconstruction with reduced measurements. This article gives an overview of deep learning-based image reconstruction methods for MRI. Three types of deep learning-based approaches are reviewed, the data-driven, model-driven and integrated approaches. The main structure of each network in three approaches is explained and the analysis of common parts of reviewed networks and differences in-between are highlighted. Based on the review, a number of signal processing issues are discussed for maximizing the potential of deep reconstruction for fast MRI. the discussion may facilitate further development of "optimal" network and performance analysis from a theoretical point of view.

연구 동기 및 목표

• 언더샘플링된 MRI 데이터에 대한 딥 러닝 기반 이미지 재구성 개요를 제공한다.
• 데이터 기반, 모델 기반, 통합 파라다임으로 DL 접근법을 분류하고 주요 네트워크 구조를 설명한다.
• 검토된 네트워크 간의 공통 구성요소와 차이점들을 분석한다.
• 빠른 MRI를 위한 딥 리콘스트럭션 잠재력을 극대화하기 위한 신호처리 문제를 논의하고 향후 이론적 분석을 안내한다.

제안 방법

• 딥 러닝 기반 MRI 재구성에 관한 기존 문헌을 검토한다.
• 데이터 기반, 모델 기반, 통합 접근법 내의 주요 네트워크 구조를 설명한다.
• 접근법 간의 공통점과 차이점을 강조한다.
• 빠른 MRI 재구성을 위한 신호처리 고려사항과 실용적 도전에 대해 논의한다.
• 더 최적의 네트워크 설계와 이론적 성능 분석 지원을 위한 방향을 제시한다.

실험 결과

연구 질문

• RQ1 MRI 재구성에 사용되는 주요 딥 러닝 파라다임은 무엇이며(데이터 기반, 모델 기반, 통합) 어떻게 서로 다른가?
• RQ2 이 접근들에서 일반적인 네트워크 구조와 구성요소는 무엇인가?
• RQ3 딥 재구성을 사용한 빠른 MRI를 저해하거나 가능하게 하는 신호처리 이슈는 무엇이며 어떻게 해결할 수 있는가?
• RQ4 네트워크 설계가 최적의 성능을 향해 어떻게 이끌릴 수 있으며 어떤 이론 분석이 가능한가?

주요 결과

• 이 논문은 DL 기반 MRI 재구성을 데이터 기반, 모델 기반, 통합 접근법으로 분류한다.
• 일반적인 네트워크 구조를 설명하고 방법들 간의 공유 구성요소를 강조한다.
• 검토된 네트워크들 간의 유사점과 차이점을 분석한다.
• 빠른 MRI를 위한 재구성 잠재력을 극대화하기 위한 신호처리 이슈와 기회를 논의한다.
• 최적의 네트워크 설계 및 성능에 대한 이론적 이해를 추구하기 위한 방향을 제안한다.