基于位移场拟合与深度学习预测的弹性成像反演算法

目的磁共振弹性成像(MRE)能够记录组织位移,并由反演算法得到组织的弹性模量分布图。在目前常用的反演算法中,基于有限元模型的非线性反演算法(NLI)能够在噪声较大的情况下计算不规则生物组织的力学性质分布。但是这种方法的准确度依赖于有限元模型的构建,且将在迭代优化的过程中消耗大量时间。