基于深度卷積神經(jīng)網(wǎng)絡的磁共振圖像重建算法研究
發(fā)布時間:2021-10-22 13:49
磁共振成像是臨床診斷中的一個重要手段,并且近年來磁共振圖像的重建算法備受關注。為了加速磁共振成像并提升MR圖像重建的質量,本文深入研究并做了如下幾方面的工作:1、提出一種新的多尺度擴張殘差網(wǎng)絡進行壓縮感知磁共振圖像的重建。使用擴張卷積來擴大卷積核的感受野并減少網(wǎng)絡參數(shù),然后使用全局殘差來補充網(wǎng)絡提取特征時損失的初始信息,使用局部殘差來提升數(shù)據(jù)流通性。另外,使用級聯(lián)層來融合多尺度特征,加速網(wǎng)絡的收斂,提高網(wǎng)絡的精度。針對磁共振成像過程中的噪聲情況,進行去噪聲的仿真實驗。在MR數(shù)據(jù)集添加不同等級和種類的噪聲:高斯噪聲和萊斯噪聲,再將其輸入到卷積神經(jīng)網(wǎng)絡中進行重建,提出算法取得不錯的去噪效果。2、為了進一步提高MR圖像重建的質量,提出一種基于圖像域和梯度域卷積神經(jīng)網(wǎng)絡的壓縮感知磁共振圖像重建算法。首先對MR圖像進行X和Y方向的梯度分解,然后將圖像域圖像和梯度域圖像分別送入對應的深度卷積神經(jīng)網(wǎng)絡去訓練,并重建出對應的圖像,最后將三種重建結果融合成最終求解的MR圖像。與其它深度學習算法對比,無論是主觀評價還是客觀指標,提出算法均實現(xiàn)MR圖像重建質量的提升。3、針對磁共振成像中由于偽影產(chǎn)生的低分辨...
【文章來源】:南京信息工程大學江蘇省
【文章頁數(shù)】:73 頁
【學位級別】:碩士
【部分圖文】:
腦部腫瘤
三種
比度,而周邊區(qū)域的相位編碼線主要決定圖像的解剖細節(jié)。零傅里葉線兩邊的相位編碼線是鏡像對稱的,K空間在頻率編碼方向上也是鏡像對稱的,而且中心區(qū)域信息對圖像的對比度起著絕對性的影響。我們對采集到的K空間數(shù)據(jù)進行傅里葉逆變換就能得到重建圖像,K空間的中心區(qū)域對應圖像數(shù)據(jù)的低頻信息,四周區(qū)域對應圖像數(shù)據(jù)的高頻信息,這兩個區(qū)域的信息各自對應著圖像對比度和圖像細節(jié)。在實際情況中,我們可以利用這一特性來進行MR圖像重建的加速或者偽影的去除。2.2.2采樣矩陣(a)Random采樣(b)Cartesian采樣(c)Radial采樣圖2-3三種采樣矩陣Fig.2-3ThreesamplingmasksMR圖像重建過程中K空間的采樣軌跡(矩陣)與觀測矩陣是相對應的。研究人員日常所使用的采樣矩陣有隨機(Random)采樣法[15]、笛卡爾(Cartesian)采樣(一維隨機下采樣)[36]、螺旋(Spiral)采樣法[37]、放射狀(Radial)采樣法[38]等。我選取了三
【參考文獻】:
期刊論文
[1]基于奇異譜分析的校正磁共振圖像非均勻場的新方法[J]. 鄭建英,方青,蔣利紅,謝林森,駱建華. 上海交通大學學報. 2006(08)
碩士論文
[1]基于非局部均值的MRI圖像去噪研究[D]. 田剛.西安電子科技大學 2014
本文編號:3451226
【文章來源】:南京信息工程大學江蘇省
【文章頁數(shù)】:73 頁
【學位級別】:碩士
【部分圖文】:
腦部腫瘤
三種
比度,而周邊區(qū)域的相位編碼線主要決定圖像的解剖細節(jié)。零傅里葉線兩邊的相位編碼線是鏡像對稱的,K空間在頻率編碼方向上也是鏡像對稱的,而且中心區(qū)域信息對圖像的對比度起著絕對性的影響。我們對采集到的K空間數(shù)據(jù)進行傅里葉逆變換就能得到重建圖像,K空間的中心區(qū)域對應圖像數(shù)據(jù)的低頻信息,四周區(qū)域對應圖像數(shù)據(jù)的高頻信息,這兩個區(qū)域的信息各自對應著圖像對比度和圖像細節(jié)。在實際情況中,我們可以利用這一特性來進行MR圖像重建的加速或者偽影的去除。2.2.2采樣矩陣(a)Random采樣(b)Cartesian采樣(c)Radial采樣圖2-3三種采樣矩陣Fig.2-3ThreesamplingmasksMR圖像重建過程中K空間的采樣軌跡(矩陣)與觀測矩陣是相對應的。研究人員日常所使用的采樣矩陣有隨機(Random)采樣法[15]、笛卡爾(Cartesian)采樣(一維隨機下采樣)[36]、螺旋(Spiral)采樣法[37]、放射狀(Radial)采樣法[38]等。我選取了三
【參考文獻】:
期刊論文
[1]基于奇異譜分析的校正磁共振圖像非均勻場的新方法[J]. 鄭建英,方青,蔣利紅,謝林森,駱建華. 上海交通大學學報. 2006(08)
碩士論文
[1]基于非局部均值的MRI圖像去噪研究[D]. 田剛.西安電子科技大學 2014
本文編號:3451226
本文鏈接:http://sikaile.net/yixuelunwen/fangshe/3451226.html
最近更新
教材專著