基于3MNet去噪网络的快速EPRI成像

摘要：

电子顺磁共振成像(EPRI)是一种先进的氧成像技术.当前EPRI的瓶颈问题是扫描速度过慢,其原因是每个角度下的投影信号需要被重复采集几千次,以压制随机噪声.一种实现快速扫描的方法是减少投影信号的重复采集次数,然而这又使得投影信号信噪比降低,重建出来的图像噪声较大.为有效压制重建图像中的噪声,本文提出一种基于多通道、多尺度、多拼接的(3MNet)图像去噪网络,以实现高精度快速EPRI成像.该网络由3个子网络构成.第1个子网络是基于注意力机制的卷积网络,其输出的特征图像与输入图像拼接以构成后端网络的输入;第2个子网络是3通道卷积网络;第3个子网络是多尺度卷积网络.实验结果表明,本文提出的3MNet网络可以实现EPRI图像的高精度去噪,进而实现快速成像.

关键词：深度学习、卷积神经网络、电子顺磁共振成像、快速成像

所属期刊栏目：32

分类号：O242;TP391.41(计算数学)

资助基金：国家自然科学基金;中央引导地方科技发展资金项目;山西省回国留学人员科研资助项目

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：55-66