计算机科学与探索

作者：杜年茂，宋威

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

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）

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。

来源：2020年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第12期