基于深度递归级联卷积神经网络的并行磁共振成像方法

• 作者: 丘志浪 柯子文 梁栋 王珊珊 程慧涛 程静 贾森 郑海荣
• 来源期刊: 波谱学杂志
• 学科: 物理学
• 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
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 磁共振方法和谱仪研制进展
• 页码范围: 437-445
• 页数: 9页
• 分类号: O482.53
• 字数: 4555字
• 语种: 中文
• DOI: 10.11938/cjmr20192721

摘要

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.