深度迭代卷积神经网络的快速脑部MRI重建算法

作者：杜年茂; 宋威^*

来源：计算机科学与探索, 2020, 14(12): 2150-2160.

• 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。

• 单位
  江南大学