公开(公告)号：CN109712077A

公开(公告)日：2019-05-03

申请号：CN201811647216.1

申请日：2018-12-29

Applicant: 成都信息工程大学

Inventor： 杨智鹏 ,  罗苏阳 ,  符颍 ,  吴锡

IPC: G06T3/40

Abstract: 本发明涉及一种基于深度字典学习的HARDI压缩感知超分辨率重建方法，包括对采集的高角度弥散图像进行预处理得到训练数据，建立用于字典学习的包括多层字典的深层网络模型，通过训练数据对构建的深层网络模型进行训练，采用正交三角分解按顺序提取正交向量作为初始字典，在对最后一层学习字典进行求解时，加上稀疏性约束项使其进行稀疏表示，采集密度远低于原始数据的数据作为测试数据，基于测试数据得到稀疏表示系数，最后通过径向积分得到的方向分布函数生成关于人体的重建三维弥散磁共振图像。本发明重建出相同分辨率的弥散磁共振图像所需的采样数据量更少。有着更快的数据采样速度。有着更好的神经纤维重建能力。

公开(公告)号：CN109712077B

公开(公告)日：2020-07-17

申请号：CN201811647216.1

申请日：2018-12-29

Applicant: 成都信息工程大学

Inventor： 杨智鹏 ,  罗苏阳 ,  符颍 ,  吴锡

IPC: G06T3/40

Abstract: 本发明涉及一种基于深度字典学习的HARDI压缩感知超分辨率重建方法，包括对采集的高角度弥散图像进行预处理得到训练数据，建立用于字典学习的包括多层字典的深层网络模型，通过训练数据对构建的深层网络模型进行训练，采用正交三角分解按顺序提取正交向量作为初始字典，在对最后一层学习字典进行求解时，加上稀疏性约束项使其进行稀疏表示，采集密度远低于原始数据的数据作为测试数据，基于测试数据得到稀疏表示系数，最后通过径向积分得到的方向分布函数生成关于人体的重建三维弥散磁共振图像。本发明重建出相同分辨率的弥散磁共振图像所需的采样数据量更少。有着更快的数据采样速度。有着更好的神经纤维重建能力。