典型文献
基于梯度域的多对比度磁共振成像重建
文献摘要：
多对比度磁共振成像由于能够提供丰富且不同的对比度信息,因此在临床应用中是一种强大的成像工具.本文提出了一种高效的基于梯度域的无监督深度学习方法(UDLGD)用于多对比度磁共振成像重建,该方法的目的在于从部分采样的K空间数据中重建相同解剖截面的多对比度图像.UDLGD算法主要包含两个迭代关系阶段:其中在先验学习阶段,利用分数匹配生成网络模型从单对比度图像数据集中获取梯度域先验信息;先验信息可以应用于不同对比度图像数量、不同采样轨迹等多场景的磁共振成像重建.随后在迭代重建阶段通过迭代更新数据一致性、梯度域先验信息和组合稀疏性,以获得满意的重建结果.大量采用活体磁共振图像数据的实验结果表明,UDLGD方法与其他方法相比可以获得更低的重建误差和更好的图像纹理结构.
文献关键词：
多对比度磁共振成像;无监督深度学习;生成模型;梯度域
中图分类号：
作者姓名：
刘且根;邓涛;官瑜
作者机构：
南昌大学信息工程学院,江西 南昌 330031
文献出处：
引用格式：
[1]刘且根;邓涛;官瑜-.基于梯度域的多对比度磁共振成像重建)[J].南昌大学学报（理科版）,2022(03):357-362
A类：
多对比度磁共振成像,UDLGD
B类：
梯度域,无监督深度学习,深度学习方法,空间数据,数匹,生成网络,图像数据集,先验信息,同对,多场景,迭代重建,迭代更新,新数据,数据一致性,稀疏性,用活,活体,磁共振图像,其他方法,重建误差,图像纹理,纹理结构,生成模型
AB值：
0.269203
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
