期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于支撑先验与深度图像先验的无预训练磁共振图像重建方法
被引量:
2
1
作者
赵地
赵莉芝
+1 位作者
甘永进
覃斌毅
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2022年第5期344-356,共13页
基于深度学习的磁共振成像(magnetic resonance imaging,MRI)方法需要大规模、高质量的病患数据样本集进行预训练.然而,由于病患隐私及设备等因素限制,获取大规模、高质量的磁共振数据集在实际临床应用中面临挑战.本文提出一种新的基于...
基于深度学习的磁共振成像(magnetic resonance imaging,MRI)方法需要大规模、高质量的病患数据样本集进行预训练.然而,由于病患隐私及设备等因素限制,获取大规模、高质量的磁共振数据集在实际临床应用中面临挑战.本文提出一种新的基于深度学习的欠采样磁共振图像重建方法,该方法无需预训练、不依赖训练数据集,而是充分利用待重建的目标MR图像的结构先验和支撑先验,并将其引入深度图像先验(deep image prior,DIP)框架,从而削减对训练数据集的依赖,提升学习效率.基于参考图像与目标图像的相似性,采用高分辨率参考图像作为深度网络输入,将结构先验信息引入网络;将参考图像在小波域中幅值大的系数索引集作为目标图像的已知支撑集,构造正则化约束项,将网络训练转化为网络参数的最优化求解过程.实验结果表明,本文方法可由欠采样k空间数据重建得到更精确的磁共振图像,且在保留组织特征、细节纹理方面具有明显优势.
展开更多
关键词
磁共振成像
欠采样图像重建
深度图像
先验
支撑先验
下载PDF
职称材料
题名
基于支撑先验与深度图像先验的无预训练磁共振图像重建方法
被引量:
2
1
作者
赵地
赵莉芝
甘永进
覃斌毅
机构
玉林师范学院
中央民族大学信息工程学院
玉林师范学院物理与电信工程学院
出处
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2022年第5期344-356,共13页
基金
国家自然科学基金(批准号:62041111,61701554)
广西自然科学基金(批准号:2021GXNSFBA220056,2019GXNSFBA245076)
玉林师范学院科研基金(批准号:G2019ZK03)资助的课题。
文摘
基于深度学习的磁共振成像(magnetic resonance imaging,MRI)方法需要大规模、高质量的病患数据样本集进行预训练.然而,由于病患隐私及设备等因素限制,获取大规模、高质量的磁共振数据集在实际临床应用中面临挑战.本文提出一种新的基于深度学习的欠采样磁共振图像重建方法,该方法无需预训练、不依赖训练数据集,而是充分利用待重建的目标MR图像的结构先验和支撑先验,并将其引入深度图像先验(deep image prior,DIP)框架,从而削减对训练数据集的依赖,提升学习效率.基于参考图像与目标图像的相似性,采用高分辨率参考图像作为深度网络输入,将结构先验信息引入网络;将参考图像在小波域中幅值大的系数索引集作为目标图像的已知支撑集,构造正则化约束项,将网络训练转化为网络参数的最优化求解过程.实验结果表明,本文方法可由欠采样k空间数据重建得到更精确的磁共振图像,且在保留组织特征、细节纹理方面具有明显优势.
关键词
磁共振成像
欠采样图像重建
深度图像
先验
支撑先验
Keywords
magnetic resonance imaging
undersampled image reconstruction
deep image prior
support prior
分类号
R445.2 [医药卫生—影像医学与核医学]
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于支撑先验与深度图像先验的无预训练磁共振图像重建方法
赵地
赵莉芝
甘永进
覃斌毅
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2022
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部