Réseaux neuronaux implicites avec entrées de caractéristiques de Fourier pour la reconstruction d'IRM cardiaque en libre respiration

L'imagerie par résonance magnétique cardiaque (IRM) nécessite de reconstruire une vidéo en temps réel d'un cœur battant à partir de mesures continues hautement sous-échantillonnées. Cette tâche est difficile car l'objet à reconstruire (le cœur) change continuellement pendant l'acquisition du signal. Dans cet article, nous proposons une approche de reconstruction basée sur la représentation du cœur battant avec un réseau neuronal implicite et l'ajustement du réseau afin que la représentation du cœur soit cohérente avec les mesures. Le réseau, sous la forme d'un perceptron multicouche avec des entrées de caractéristiques de Fourier, agit comme un prior de signal efficace et permet d'ajuster la force de régularisation à la fois dans les dimensions spatiales et temporelles du signal. Nous étudions l'approche proposée pour l'IRM cardiaque en temps réel 2D en libre respiration dans différents régimes d'exploitation, c'est-à-dire pour différentes résolutions d'image, épaisseurs de coupe et longueurs d'acquisition. Notre méthode atteint une qualité de reconstruction comparable ou légèrement supérieure à celle des réseaux neuronaux convolutifs non entraînés de l'état de l'art et une qualité d'image supérieure par rapport à une méthode récente qui ajuste une représentation implicite directement aux mesures dans le domaine de Fourier. Cependant, cela entraîne un coût computationnel relativement élevé. Notre approche ne nécessite aucune donnée supplémentaire sur le patient ou biocapteurs, y compris l'électrocardiographie, ce qui la rend potentiellement applicable dans un large éventail de scénarios cliniques.