基于卷积神经网络的定量磁化率图像重建

• 作者: 刘杰 李建奇 杨光 王一达 童睿 谢海滨
• 来源期刊: 信息技术
• 学科: 医学
• 关键词: 磁共振成像 定量磁化率成像 图像重建 深度学习 卷积神经网络
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 基金项目
• 页码范围: 72-76
• 页数: 5页
• 分类号: O482.53|R445.2
• 字数: 4339字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2019.10.016

摘要

文中提出了解决定量磁化率成像中偶板子反卷积的病态逆问题和快速重建高质量无伪影的定量磁化率图像的算法.基于k空间阈值法(TKD)初步重建三维定量磁化率图像(QSM),随后将TKD重建图像输入训练完成的三维卷积神经网络(CNN)模型中获得预测图像.在k空间中将TKD重建图像与CNN预测图像进行融合重建最终QSM图像.结果 表明:与金标准相比,算法能够重建视觉上误差较小和无条形伪影的磁化率图像;卷积神经网络可以恢复病态区域的信号,k空间融合方法有效解决了偶极子反卷积的病态性.测试集上的重建结果在标准均方根误差(NRMSE)和高频误差范数(HFEN)重建误差上均低于主流算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢海滨	华东师范大学物理与材料科学学院上海市磁共振重点实验室	12	24	3.0	4.0
2	刘杰	华东师范大学物理与材料科学学院上海市磁共振重点实验室	45	935	13.0	30.0
3	李建奇	华东师范大学物理与材料科学学院上海市磁共振重点实验室	13	64	5.0	8.0
4	童睿	华东师范大学物理与材料科学学院上海市磁共振重点实验室	4	1	1.0	1.0
5	王一达	华东师范大学物理与材料科学学院上海市磁共振重点实验室	2	1	1.0	1.0