10.12015/issn.1674-8034.2018.06.010
卷积神经网络重建欠采的磁共振图像
目的 使用卷积神经网络(convolutional neural network,CNN)从欠采样的磁共振成像K空间数据快速重建出无伪影的高质量图像.材料与方法 实验数据包含60位自愿者矢状位、横断位、冠状位全采的T1加权脑部MR图像,使用旋转和拉伸等操作对训练数据进行扩增.不同欠采模式的MR图像和金标准图像分别输入CNN进行训练,学习获得的网络可实现由欠采图像到全采集图像之间的非线性映射.重建时,将CNN重建图像的K空间与原始的K空间数据进行合并保真.实验中利用金标准图像,计算重建图像的峰值信噪比(peak signal to noise ratio,PSNR)、结构相似度(structural similarity,SSIM)和高频误差范数(high frequency error norm,HFEN),定量评价重建结果.结果(1)CNN重建出的中央采样MR图像的PSNR、SSIM、HFEN分别为31.13、0.93、223.81,优于Tukey窗函数的25.69、0.86、482.75;(2)CNN重建出的伪随机采样MR图像的PSNR、SSIM、HFEN分别为32.78、0.95、195.51,优于压缩感知的31.01、0.93、184.69.结论 卷积神经网络可以从欠采数据重建出高质量的磁共振图像,无论是主观的视觉效果还是客观的评价参数都优于传统的处理方法.与K空间中央连续采集相比,伪随机采样模式更有利于CNN重建出高质量的MR图像.
磁共振成像、卷积神经网络、图像重建、欠采、压缩感知
9
R445.2;TP391.4(诊断学)
国家自然科学基金重点项目编号:61731009.This work was part of Key Program of Natural Science Foundation of China 61731009
2018-08-15（万方平台首次上网日期，不代表论文的发表时间）
共7页
453-459
