-
题名基于几何蒸馏和特征自适应的磁共振成像重建
- 1
-
-
作者
朵琳
任勇
许渤雨
杨新
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《北京航空航天大学学报》
北大核心
2025年第6期1946-1954,共9页
-
基金
国家自然科学基金(61962032)。
-
文摘
虽然现有基于深度学习的压缩感知磁共振成像(CS-MRI)方法已经取得了较好的效果,但这些方法的可解释性仍然面临挑战,并且从理论分析到网络设计的过渡并不够自然。为解决上述问题,提出深度双域几何蒸馏特征自适应网络(DDGD-FANet)。该深度展开网络将磁共振成像重建优化问题迭代展开成3个子部分:数据一致性模块、双域几何蒸馏模块和自适应网络模块,不仅可以补偿重建图像丢失的上下文信息,恢复更多的纹理细节,还可以去除全局伪影,进一步提高重建效果。在公开数据集使用3种不同的采样模式进行实验,结果表明:DDGD-FANet在3种采样模式下均取得了更高的峰值信噪比和结构相似性指数,在笛卡儿10%压缩感知(CS)比率下,峰值信噪比较迭代收缩阈值算法(ISTA-Net+)、快速ISTA(FISTA)-Net和DGDN模型分别提高了5.01 dB、4.81 dB和3.34 dB。
-
关键词
磁共振成像
图像重建
深度学习
几何蒸馏
自适应网络
注意力机制
-
Keywords
magnetic resonance imaging
image reconstruction
deep learning
geometry distillation
adaptive network
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
R319
[医药卫生—基础医学]
-
