Logo der Physikalisch-Technischen Bundesanstalt

Deep supervised dictionary learning by algorithm unrolling — Application to fast 2D dynamic MR image reconstruction

05.01.2023

Andreas Kofler (PTB) veröffentlichte zusammen mit Marie-Christine Pali (Universität Innsbruck), Tobias Schäffter (PTB) und Christoph Kolbitsch (PTB) einen Artikel über ein Verfahren zur Bildrekonstruktion.

Der Artikel beschreibt ein neues Verfahren zum Lernen von Basisfunktionen, die zur Regularisierung von Bildrekonstruktionsproblemen verwendet werden können. Das Verfahren beinhaltet den Aufbau eines neuronalen Netzwerks, das einem alternierenden Algorithmus endlicher Länge zum Rekonstruieren von Bildern unter Verwendung einer bestimmten Anzahl von Basisfunktionen entspricht. Die Basisfunktionen können dann durch überwachtes Lernen anhand eines End-to-End-Trainings des Netzwerks gelernt werden. Die Studie zeigt, dass neuronale Netze für bestimmte Probleme auch als "Physik-gestützte" Trainingsalgorithmen für klassische interpretierbare lernbasierte Verfahren eingesetzt werden können und dass die durch das Netz gelernten Basisfunktionen zu besseren Ergebnissen führen als jene, die in Abwesenheit des physikalischen Modells trainiert wurden.

Den Artikel finden Sie unter https://aapm.onlinelibrary.wiley.com/doi/10.1002/mp.16182. Eine Implementierung des verwendeten Codes wird in Zukunft unter https://github.com/koflera/End2End-DLMRI erhältlich sein.

Ansprechpartner:

Andreas Kofler, E-Mail: Andreas.Kofler(at)ptb.de