磁共振成像（Magnetic Resonance Imaging,MRI）具有無電離輻射、成像對(duì)比度高等優(yōu)點(diǎn),在醫(yī)學(xué)的各類檢測(cè)中占有相當(dāng)大的比重,但是其在臨床方面的應(yīng)用相對(duì)局限,這與其成像速度慢,成像質(zhì)量容易受到檢查者的生理和非自主運(yùn)動(dòng)的影響分不開。為了減少掃描時(shí)間,加快成像速度,可以減少M(fèi)R頻域數(shù)據(jù)的采集,通過采集少量數(shù)據(jù)重建出高質(zhì)量的MR圖像是磁共振圖像重建課題的一個(gè)重要研究內(nèi)容。然而欠采樣方式違背了奈奎斯特采樣定律,直接重建會(huì)產(chǎn)生具有偽影的圖像,傳統(tǒng)MR圖像重建方法一般使用正則化方法進(jìn)行重建,利用MR圖像的低秩性、稀疏性作為約束項(xiàng),然后使用非線性算法求解優(yōu)化方程,計(jì)算復(fù)雜度較大且重建實(shí)時(shí)性有待提升。近年來,卷積神經(jīng)網(wǎng)絡(luò)在自然圖像處理方面表現(xiàn)優(yōu)越,但是在MR圖像處理方面有待深層次的探索,因此本文的主要研究內(nèi)容是基于卷積神經(jīng)網(wǎng)絡(luò)的磁共振圖像重建方法。卷積神經(jīng)網(wǎng)絡(luò)在自然圖像處理方面具有很多網(wǎng)絡(luò)結(jié)構(gòu),但是與之百萬級(jí)的數(shù)據(jù)量相比,磁共振圖像數(shù)量稀缺,很多網(wǎng)絡(luò)不能直接用于MR圖像重建,本文首先研究了目前用于磁共振圖像重建的幾類卷積網(wǎng)絡(luò),一類為自然圖像處理中使用較為廣泛的網(wǎng)絡(luò),如U-net、G... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文內(nèi)容整體框圖

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文第2章 面向 MR 圖像重建的卷積神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)在自然圖像處理方面表現(xiàn)優(yōu)異，取得不錯(cuò)的效果。本章經(jīng)網(wǎng)絡(luò)的磁共振圖像重建模型及面向 MR 圖像重建的幾類常見卷積神經(jīng)網(wǎng)絡(luò)的 MR 圖像重建模型學(xué)習(xí)尤其是卷積神經(jīng)網(wǎng)絡(luò)，自 2012 年在 ImageNet 圖像分類競(jìng)，在自然圖像處理方面發(fā)展飛速，然而直到 2016 年才應(yīng)用到與 MR 圖像重建中，這表明了 MR 圖像處理和自然圖像處理存在一然圖像數(shù)據(jù)量遠(yuǎn)超 MR 圖像，應(yīng)用在自然圖像處理方面的網(wǎng)絡(luò)數(shù)量巨大，直接用于 MR 圖像重建極易產(chǎn)生過擬合。其次，自通道的實(shí)數(shù)數(shù)據(jù)組成，而 MR 圖像數(shù)據(jù)是單通道的，并且為復(fù)

2-1 虛線框所示。利用訓(xùn)練得到的最優(yōu)化網(wǎng)絡(luò)（g），輸入獲取的直接重建像便可得到可以用于醫(yī)療診斷的高質(zhì)量的圖像，實(shí)現(xiàn)圖像的重建。雖然深度學(xué)習(xí)在自然圖像處理方面的網(wǎng)絡(luò)結(jié)構(gòu)有很多，但在磁共振圖像，由于數(shù)據(jù)稀缺，可用的網(wǎng)絡(luò)結(jié)構(gòu)并不多，大致可以分為以下兩類：自然常用網(wǎng)絡(luò)和與傳統(tǒng)迭代算法相結(jié)合的簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)，前者主要有改進(jìn)的 等網(wǎng)絡(luò)。基于 U-net 和 GAN 的 MR 圖像重建1 基于 U-net 的 MR 圖像重建U-net 可以看作是一種編碼器-解碼器結(jié)構(gòu)，如圖 2-2 所示。左側(cè)的編碼器卷積層還具有池化層，通過池化層可以逐漸減少圖像的空間維度，因此具圖像視野，但是卻損失了圖像的細(xì)節(jié)信息，右側(cè)的解碼器與編碼器相對(duì)漸增加圖像的空間維度，這得益于其具有的反卷積結(jié)構(gòu)。編碼器和解碼器連接，使得解碼器在增加空間維度的同時(shí)，最大可能的保留圖像的細(xì)節(jié)。用于圖像分割，具有多級(jí)分解、視野大等優(yōu)點(diǎn)。

【參考文獻(xiàn)】：
期刊論文
[1]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang.  IEEE/CAA Journal of Automatica Sinica. 2016(02)
[2]基于SENSE和GRAPPA的并行磁共振圖像重建算法[J]. 陳藍(lán)鈺,常嚴(yán),王雷,徐雅潔,張廣才,楊曉冬.  中國醫(yī)學(xué)物理學(xué)雜志. 2015(05)
[3]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[4]并行磁共振成像的回顧、現(xiàn)狀與發(fā)展前景[J]. 陳武凡.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2005(06)
[5]多線圈并行成像技術(shù)[J]. 程流泉.  中國醫(yī)學(xué)影像學(xué)雜志. 2002(04)

博士論文
[1]關(guān)節(jié)軟骨生物力學(xué)特性的超聲測(cè)量方法研究[D]. 孫安玉.浙江大學(xué) 2015

碩士論文
[1]智能機(jī)器人技術(shù)的倫理維度審視[D]. 陳赫.南昌大學(xué) 2018
[2]基于壓縮感知的磁共振圖像重建算法研究[D]. 孫楠.西南交通大學(xué) 2017



本文編號(hào)：3240367