从 k 空间直接进行心脏 MRI 的分类、回归和分割
原文中文，约600字，阅读约需2分钟。发表于：。在这项工作中，我们提出了一种名为 KMAE 的基于 Transformer 的模型，专门设计用于直接处理 k 空间数据，消除传统的中间转换步骤，将其转换为图像领域。该模型在处理心脏磁共振成像方面取得了有竞争力的分类和回归性能，并且在心肌分割方面表现良好。我们鼓励医学影像学界探索 k 空间的潜力，并追求具有减少人类干预的端到端自动诊断。
我们提出了一种新颖的磁共振成像（MRI）预处理和预测流程，利用复数值k-Space对MRI进行分类。通过使用公开数据集展示了k-Space相比于图像域中的幅度信息对前列腺癌可能性进行更好估计的优势。通过高欠采样率和简单的主成分分析进行线圈压缩，减少了重建所需的时间。实验结果表明，即使在欠采样因子为16的情况下，使用PCA线圈组合并考虑k-Space信息也能获得有意义的结果。这种方法可以在不进行时间密集型的ADC和重建计算的情况下工作，减少了后期处理的时间，提高了患者的舒适度，并实现接近实时的预测。
