期刊简介
《磁共振成像》杂志创刊于2010年1月，主管单位：国家卫生和计划生育委员会，主办单位：中国医院协会、首都医科大学附属北京天坛医院，主编：美国医学科学院外籍院士、中华医学会副会长戴建平教授。刊名题写：全国政协副主席韩启德院士(全国人大常委会原副委员长，中国科协主席)。国内统一刊号：CN 11-5902/R，ISSN 1674-8034。国内外公开发行，国内邮发代号：2-855，全国各地邮局均可随时订阅。该刊为我国第一本也是目前唯一一本医学磁共振专业学术期刊，现为月刊(从2015年1月起)，每月20日出版，大16开，80页。
首页>磁共振成像杂志
- 杂志名称：磁共振成像杂志
- 主管单位：中华人民共和国国家卫生和计划生育委员会
- 主办单位：中国医院协会 首都医科大学附属北京天坛医院
- 国际刊号：1674-8034
- 国内刊号：11-5902/R
- 出版周期：月刊
期刊荣誉：评为中国科学引文数据库(CSCD)2013-2016年度来源期刊期刊收录：国家图书馆馆藏, 知网收录(中), CSCD 中国科学引文数据库来源期刊(含扩展版), 万方收录(中), 维普收录(中), 上海图书馆馆藏, CA 化学文摘(美), 哥白尼索引(波兰), 统计源核心期刊(中国科技论文核心期刊)
卷积神经网络重建欠采的磁共振图像
王一达；宋阳；谢海滨；童睿；李建奇；杨光
关键词：磁共振成像, 卷积神经网络, 图像重建, 欠采, 压缩感知
摘要：目的 使用卷积神经网络(convolutional neural network,CNN)从欠采样的磁共振成像K空间数据快速重建出无伪影的高质量图像.材料与方法 实验数据包含60位自愿者矢状位、横断位、冠状位全采的T1加权脑部MR图像,使用旋转和拉伸等操作对训练数据进行扩增.不同欠采模式的MR图像和金标准图像分别输入CNN进行训练,学习获得的网络可实现由欠采图像到全采集图像之间的非线性映射.重建时,将CNN重建图像的K空间与原始的K空间数据进行合并保真.实验中利用金标准图像,计算重建图像的峰值信噪比(peak signal to noise ratio,PSNR)、结构相似度(structural similarity,SSIM)和高频误差范数(high frequency error norm,HFEN),定量评价重建结果.结果(1)CNN重建出的中央采样MR图像的PSNR、SSIM、HFEN分别为31.13、0.93、223.81,优于Tukey窗函数的25.69、0.86、482.75;(2)CNN重建出的伪随机采样MR图像的PSNR、SSIM、HFEN分别为32.78、0.95、195.51,优于压缩感知的31.01、0.93、184.69.结论 卷积神经网络可以从欠采数据重建出高质量的磁共振图像,无论是主观的视觉效果还是客观的评价参数都优于传统的处理方法.与K空间中央连续采集相比,伪随机采样模式更有利于CNN重建出高质量的MR图像.
友情链接