公开(公告)号：CN113192151A

公开(公告)日：2021-07-30

申请号：CN202110379886.5

申请日：2021-04-08

Applicant: 广东工业大学

Inventor： 蔡越 ,  罗玉 ,  凌捷 ,  柳毅 ,  张博愉

IPC: G06T11/00 ,  G06T7/13 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于结构相似性的MRI图像重建方法，属于医学图像优化技术领域。所述方法包括步骤：对全采样MRI图像进行模拟欠采样预处理；建立T1和T2对比度的单对比度重建模型；构建相似性约束损失函数；融合训练多对比度融合重建模型；将同一部位多个对比度的欠采样MRI图像输入多对比度融合重建模型。本发明利用拟合能力强大的深度学习技术，为不同对比度的MRI图像建立单对比度重建模型，并使用结构相似性约束对不同对比度的单对比度重建模型进行融合训练，与单一对比度重建神经网络模型相比达到更高质量的重建效果。

公开(公告)号：CN113192151B

公开(公告)日：2022-12-27

申请号：CN202110379886.5

申请日：2021-04-08

Applicant: 广东工业大学

Inventor： 蔡越 ,  罗玉 ,  凌捷 ,  柳毅 ,  张博愉

IPC: G06T11/00 ,  G06T7/13 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于结构相似性的MRI图像重建方法，属于医学图像优化技术领域。所述方法包括步骤：对全采样MRI图像进行模拟欠采样预处理；建立T1和T2对比度的单对比度重建模型；构建相似性约束损失函数；融合训练多对比度融合重建模型；将同一部位多个对比度的欠采样MRI图像输入多对比度融合重建模型。本发明利用拟合能力强大的深度学习技术，为不同对比度的MRI图像建立单对比度重建模型，并使用结构相似性约束对不同对比度的单对比度重建模型进行融合训练，与单一对比度重建神经网络模型相比达到更高质量的重建效果。