基于深度神经网络的时空编码磁共振成像超分辨率重建方法

作     者：向鹏程 蔡聪波 王杰超 蔡淑惠 陈忠 Xiang Peng-Cheng;Cai Cong-Bo;Wang Jie-Chao;Cai Shu-Hui;Chen Zhong

作者机构：厦门大学电子科学系厦门361005 

出 版 物：《物理学报》 (Acta Physica Sinica)

年 卷 期：2022年第71卷第5期

页      面：357-365页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(批准号:11775184,82071913,U1805261) 福建省科技计划项目(批准号:2019Y0001)资助的课题 

主　　题：磁共振成像 时空编码 超分辨率重建 深度神经网络 

摘      要：单扫描时空编码磁共振成像是一种新型超快速磁共振成像技术,它对磁场不均匀和化学位移伪影有较强的抵抗性,但是其固有的空间分辨率较低,因此通常需要进行超分辨率重建,以在不增加采样点数的情况下提高时空编码磁共振图像的空间分辨率.然而,现有的重建方法存在迭代求解时间长、重建结果有混叠伪影残留等问题.为此,本文提出了一种基于深度神经网络的单扫描时空编码磁共振成像超分辨率重建方法.该方法采用模拟样本训练深度神经网络,再利用训练好的网络模型对实际采样信号进行重建.数值模拟、水模和活体鼠脑的实验结果表明,该方法能快速重建出无残留混叠伪影、纹理信息清楚的超分辨率时空编码磁共振图像.适当增加训练样本数量以及在训练样本中加入适当的随机噪声水平,有助于改善重建效果.