题目:复卷积神经网络在磁共振图像重建中的应用
下载地址:https://www.researchgate.net/publication/326315785_Complex_Fully_Convolutional_Neural_Networks_for_MR_Image_Reconstructionhttps://www.researchgate.net/publication/326315785_Complex_Fully_Convolutional_Neural_Networks_for_MR_Image_Reconstruction
摘要
欠采样下 使用复数密集全卷积网络来去除混叠重建伪影
特点
1. 数据集使用mri公开数据
2. 实部和虚部
- 利用正交检测来测量扫描仪内圆极化磁场的变化,从而同时获得两个相位差为π/2的数据流。在数字化之后,这些信号构成了k空间中每个复数据点的实部和虚部。
- 从该复值数据导出的幅度主要携带关于质子密度以及组织的弛豫特性的信息。相位可用于获得信息,例如关于磁化率、流量或温度的信息。
- 复数的激活函数和最大池化 分别处理实部和虚部两通道
3. 提出复数的损失函数 在提高结构相似性的同时最小化重构误差。
4. 除了SSIM MSE以外还有品质参数(Pratt’s FOM)作为评估性能的指标
5. 使欠采样下的图像通过FC全连接层后近似全采样下的图像
网络结构
基本框架使用Unet
结果
从图上看效果还是挺好的
未来的工作
此外,可以研究非笛卡尔轨迹,因为它们具有不同的混叠特性