CORRECTION DE MOUVEMENT RÉTROSPECTIVE À L'AIDE D'UN RÉSEAU NEURONAL COMBINÉ ET RECONSTRUCTION D'IMAGE BASÉE SUR UN MODÈLE DE DONNÉES DE RÉSONANCE MAGNÉTIQUE
A combined physics-based and machine learning framework is used for reconstructing images from k-space data, in which motion artifacts are significantly reduced in the reconstructed images. In general, model-based retrospective motion correction techniques are accelerated using fast machine learning ("ML") steps, which may be implemented using a trained neural network such as a convolutional neural network. In this way, the confidence of a classical physics-based reconstruction is obtained with the computational benefits of an ML-based network.Une structure combinée basée sur la physique et l'apprentissage automatique est utilisée pour reconstruire des images à partir de données d'espace k, dans lesquelles des artéfacts de mouvements sont significativement réduits dans les images reconstruites. En général, des techniques de correction de mouvement rétrospective basées sur un modèle sont accélérées à l'aide d'étapes d'apprentissage automatique (« ML ») rapide, qui peuvent être mises en œuvre à l'aide d'un réseau neuronal entraîné tel qu'un réseau neuronal convolutif. De cette manière, la confiance d'une reconstruction basée sur la physique classique est obtenue avec les avantages de calcul d'un réseau basé sur le ML.
