期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于3D U-Net和DTI模型约束的扩散张量场估计方法 被引量:1
1
作者 麦兆华 李嘉龙 +1 位作者 冯衍秋 张鑫媛 《南方医科大学学报》 CAS CSCD 北大核心 2023年第7期1224-1232,共9页
目的为从少量的低信噪比扩散加权(DW)图像中估计得到准确的扩散张量成像(DTI)量化参数,本文提出一种基于3D U-Net和DTI模型约束的扩散张量场估计网络(3D DTI-Unet)。方法3D DTI-Unet的输入为有噪声的扩散磁共振成像(dMRI)数据(包含1幅... 目的为从少量的低信噪比扩散加权(DW)图像中估计得到准确的扩散张量成像(DTI)量化参数,本文提出一种基于3D U-Net和DTI模型约束的扩散张量场估计网络(3D DTI-Unet)。方法3D DTI-Unet的输入为有噪声的扩散磁共振成像(dMRI)数据(包含1幅非扩散加权图像与6幅不同扩散编码方向的DW图像),通过3D U-Net网络预测得到降噪后的非扩散加权图像以及准确的扩散张量场,并通过DTI模型重建得到dMRI数据,将其与dMRI数据的真实值进行比较来优化网络,从而保证dMRI数据与扩散张量场的物理模型一致性。为验证所提方法的有效性,与Marchenko-Pastur主成分分析(MP-PCA)和基于全局指导下的局部高阶奇异值分解(GL-HOSVD)这两种扩散加权图像去噪算法进行实验对比。结果从DW图像、扩散张量场以及DTI量化参数的定量分析结果以及视觉效果来看,所提方法均优于MP-PCA与GL-HOSVD。结论本文所提方法能够从1幅非扩散加权图像和6幅DW图像得到准确的DTI量化参数,可减少临床采集时间,提高临床量化诊断的可靠性。 展开更多
关键词 扩散张量成像 张量场估计 3D U-Net Rician噪声 图像去噪
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部