快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短.
类型: 期刊论文
作者: 程慧涛,王珊珊,柯子文,贾森,程静,丘志浪,郑海荣,梁栋
关键词: 快速磁共振成像,并行成像,深度学习,卷积神经网络,先验信息
来源: 波谱学杂志 2019年04期
年度: 2019
分类: 基础科学,信息科技
专业: 物理学,自动化技术
单位: 医学人工智能研究中心(中国科学院深圳先进技术研究院),中国科学院大学,保罗C.劳特伯生物医学成像研究中心(中国科学院深圳先进技术研究院)
基金: 国家重点研发计划(2017YFC0108802)
分类号: O482.532;TP183
页码: 437-445
总页数: 9
文件大小: 1729K
下载量: 125
本文来源: https://www.lunwen90.cn/article/35bbda149689ea55a441eddd.html