深度迭代卷积神经网络的快速脑部MRI重建算法

• 作者: 宋威 杜年茂
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 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)
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 图形图像
• 页码范围: 2150-2160
• 页数: 11页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2004071

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.