基于DAWGAN-GP的磁共振图像重构方法研究

• 作者: 支明豪 朱志军 李杨 蒋明峰 袁子晗
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 磁共振 图像重构 Wasserstein生成式对抗网络 感知损失
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 1883-1890
• 页数: 8页
• 分类号: TP302
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.10.002

摘要

本文提出了一种基于改进Wasserstein生成式对抗网络(De-aliasing Wasserstein Generative Adversarial Network with Gradient Penalty,DAWGAN-GP)的磁共振图像重构算法,该方法利用Wasserstein生成式对抗网络代替传统的生成式对抗网络,并结合梯度惩罚的方法提高训练速度,解决WGAN收敛缓慢问题.此外,为了有更好的重构效果,我们将感知损失,像素损失和频域损失引入至损失函数中进行网络训练.实验结果表明,对比现有的基于深度学习的磁共振图像重构算法,基于DAWGAN-GP的磁共振图像重构方法具有更好的重构效果,可获得更高的峰值信噪比(Peak Signal to Noise Ratio,PSNR)和更好的结构相似性(Structural Similarity Index Measure,SSIM).