深度迭代卷积神经网络的快速脑部MRI重建算法

摘要：

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)

所属期刊栏目：14

分类号：TP391.41(计算技术、计算机技术)

资助基金：The Natural Science Foundation of Jiangsu Province for Excellent Young Scholars under Grant No.BK20190079江苏省自然科学基金优秀青年基金;the National Natural Science Foundation of China under Grant No.61673193国家自然科学基金;the Natu-ral Science Foundation of Jiangsu Province under Grant No.BK20181341江苏省自然科学基金;the Postdoctoral Science Founda-tion of China under Grant No.2017M621625中国博士后科学基金

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2150-2160