DL-based CS-MRI

DL-based CS-MRI integrates deep learning techniques with compressed sensing to accelerate MRI acquisition times while maintaining high image quality. This comprehensive review analyzes various DL-based CS-MRI techniques, such as end-to-end models, unroll optimization, self-supervised, and federated learning.基于深度学习的压缩感知磁共振成像（DL-based CS-MRI）将深度学习技术与压缩感知相结合，在保障图像高画质的同时，缩短了磁共振成像（Magnetic Resonance Imaging, MRI）的采集时长。本综述全面剖析了各类基于深度学习的压缩感知磁共振成像技术，涵盖端到端模型、展开优化、自监督学习（self-supervised）以及联邦学习（federated learning）等多个方向。

搜集汇总

背景与挑战

背景概述

该数据集聚焦于深度学习与压缩感知相结合的MRI加速重建技术，系统综述了端到端模型、展开优化、自监督和联邦学习等多种方法。其旨在通过整合深度学习来提升MRI采集速度，同时保持高质量的图像重建。