Wir stellen MRpro vor, ein Open-Source-Bildrekonstruktionspaket, das auf PyTorch und offenen Datenformaten basiert. Das Framework umfasst drei Hauptbereiche. Erstens bietet es einheitliche Datenstrukturen für die konsistente Manipulation von MR-Datensätzen und deren zugehörigen Metadaten (z. B. k-Raum-Trajektorien). Zweitens bietet es eine Bibliothek von komposierbaren Operateuren, proximierbaren Funktionalen und Optimierungsalgorithmen, einschließlich eines einheitlichen Fourier-Operators für alle gängigen Trajektorien und einer erweiterten Phasengraf-Simulation für quantitative MR. Diese Komponenten werden verwendet, um sofort einsatzbereite Implementierungen wichtiger Rekonstruktionsalgorithmen zu erstellen. Drittens umfasst MRpro für das Deep Learning wesentliche Bausteine wie Datakonsistenzschichten, differenzierbare Optimierungsschichten und hochmoderne Backbone-Netzwerke und integriert öffentliche Datensätze zur Erleichterung der Reproduzierbarkeit. MRpro wird als kollaboratives Projekt unterstützt durch automatisierte Qualitätskontrolle entwickelt. Wir demonstrieren die Vielseitigkeit von MRpro in mehreren Anwendungen, darunter kartesische, radiale und spiralförmige Akquisitionen; bewegungskorrigierte Rekonstruktion; kardiale MR-Fingerabdrücke; gelernte räumlich adaptive Regularisierungsgewichte; modellbasierte gelernte Bildrekonstruktion und quantitative Parameterschätzung. MRpro bietet ein erweiterbares Framework für die MR-Bildrekonstruktion. Mit Reproduzierbarkeit und Wartbarkeit im Kern erleichtert es die kollaborative Entwicklung und bietet eine Grundlage für zukünftige MR-Bildforschungen.
Zimmermann et al. (Wed,) untersuchten diese Frage.