-
公开(公告)号：CN108717717A
公开(公告)日：2018-10-30
申请号：CN201810366656.3
申请日：2018-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积神经网络和迭代方法相结合的稀疏MRI重建的方法，该方法首先准备一个数据集，包括训练数据和测试数据，训练数据用于训练网络，测试数据用于测试训练好的网络，每组数据都包含一组样本和标签，样本为将高度降采样的k空间数据分为低频数据和高频数据，分别进行填零重建得到的具有噪声和伪影的低质量的高频图像和低频图像，标签为该低质量图像对应的没有噪声与伪影的高质量MR图像。分别利用低频数据和高频数据训练出两个结构相同的网络，一个用于重建高频k空间数据，一个用于重建低频k空间数据，两个重建结果相加就是最终需要的重建结果。本发明利用更少的k空间数据，重建速度更快，图像质量更高。
-
公开(公告)号：CN108717717B
公开(公告)日：2022-03-08
申请号：CN201810366656.3
申请日：2018-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积神经网络和迭代方法相结合的稀疏MRI重建的方法，该方法首先准备一个数据集，包括训练数据和测试数据，训练数据用于训练网络，测试数据用于测试训练好的网络，每组数据都包含一组样本和标签，样本为将高度降采样的k空间数据分为低频数据和高频数据，分别进行填零重建得到的具有噪声和伪影的低质量的高频图像和低频图像，标签为该低质量图像对应的没有噪声与伪影的高质量MR图像。分别利用低频数据和高频数据训练出两个结构相同的网络，一个用于重建高频k空间数据，一个用于重建低频k空间数据，两个重建结果相加就是最终需要的重建结果。本发明利用更少的k空间数据，重建速度更快，图像质量更高。
-
Search Results
2
records
(took 0.012 seconds)
