基于K空间数据的深度核磁共振图像重建

• 作者: 周到 管智慧 陈军波 黄敏
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 关键词: 深度核磁共振 图像重建 卷积神经网络 迁移学习 K空间
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 论著
• 页码范围: 139-144
• 页数: 6页
• 分类号: R318
• 字数: 3904字
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2020.02.06

摘要

传统的核磁共振(magnetic resonance imaging,MRI)成像技术中,图像重建算法与脉冲序列和K空间采样轨迹等因素密切相关.深度MRI成像采用了全新的重建方法.本研究采用深度卷积神经网络W-net对数据样本进行学习,从欠采集的K空间数据快速重建出高质量的图像.采用迁移学习方法,优化原模型参数,提升模型对各方向扫描、含病灶(如肿瘤)的大脑,以及结构较简单的膝盖等MRI数据的泛化能力.对比不同欠采样率的K空间输入数据,分析模型性能;并添加数据更新层,改进模型结构.测试结果表明,改进后的模型重建质量更优,对病灶和小脑纹理细节的恢复更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈军波	中南民族大学生物医学工程学院	35	205	8.0	13.0
2	黄敏	中南民族大学生物医学工程学院	48	116	5.0	7.0
3	周到	中南民族大学生物医学工程学院	14	18	3.0	3.0
4	管智慧	中南民族大学生物医学工程学院	1	0	0.0	0.0