-
题名基于卷积神经网络的欠采样脑部核磁共振图像重建方法
被引量：4
- 1
-
-
作者
杜年茂
徐佳陈
肖志勇
-
机构
江南大学人工智能与计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第10期3060-3065,共6页
-
基金
江苏省自然科学基金优秀青年项目(20190079)。
-
文摘
针对目前基于深度学习的欠采样磁共振(MR)图像重建方法都是基于单个切片的重建而忽略相邻切片间的数据冗余的问题,提出一种用于欠采样的多切片脑部MR图像重建的混合级联卷积神经网络(HC-CNN)。首先,将传统的重建方法拓展为基于深度学习的重建模型,并使用级联卷积神经网络来代替传统的迭代重建框架。然后,在每次迭代重建中,分别使用3D卷积模块和2D卷积模块来学习脑部MR图像序列中存在的相邻切片间与单幅切片内部的数据冗余。最后,在每次迭代中使用数据一致性(DC)模块来保持重建图像在k-空间的数据保真度。在单线圈脑部MR图像数据集上的仿真实验结果显示,相较于基于单幅MR图像的重建方法,所提方法在4倍加速因子下的峰值信噪比(PSNR)值平均提升了1.75 dB,在6倍降采样因子下的PSNR值平均提升了2.57 dB,而且该方法的单张图像重建平均用时为15.4 ms。实验结果表明:所提方法不仅能够有效利用切片间的数据冗余并重建出更高质量的图像,而且具有较高的实时性。
-
关键词
图像重建
脑部核磁共振成像
深度学习
卷积神经网络
混合卷积
-
Keywords
image reconstruction
brain Magnetic Resonance Imaging(brain MRI)
deep learning
Convolution Neural Network(CNN)
hybrid convolution
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名深度迭代卷积神经网络的快速脑部MRI重建算法
被引量：4
- 2
-
-
作者
杜年茂
宋威
-
机构
江南大学人工智能与计算机学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2020年第12期2150-2160,共11页
-
基金
江苏省自然科学基金优秀青年基金,No.BK20190079
国家自然科学基金,No.61673193
+1 种基金
江苏省自然科学基金,No.BK20181341
中国博士后科学基金,No.2017M621625。
-
文摘
人体脑部MRI通常是多切片的,并且相邻切片间存在数据冗余。深度学习已经成为欠采样MRI重建领域的有力工具,然而目前基于深度学习的重建算法主要是针对单幅MRI图像。为了充分利用脑部MRI数据中的数据冗余,以获取更高的重建质量与加速因子,提出了一种深度迭代卷积神经网络(DICNN)。在每次迭代中,首先使用双向卷积模块(BDC)探索相邻切片间的数据冗余,然后用2D卷积模块(RNET)进一步探索单幅MRI切片内部的数据冗余。在单线圈的脑部MRI数据集上的仿真实验表明,提出的重建算法在不同欠采样因子下的重建效果优于基于单幅MRI图像的重建算法。该方法不仅能够有效地利用脑部MRI切片间的数据冗余,恢复更多的组织结构细节,还能进行实时的MRI重建,速度可达每秒49张。
-
关键词
脑部核磁共振成像(MRI)
深度学习
图像重建
卷积神经网络(CNN)
-
Keywords
brain magnetic resonance imaging(MRI)
deep learning
image reconstruction
convolutional neural network(CNN)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
