典型文献
基于复值损失函数的并行MRI的深度重建
文献摘要：
目的 研究一种新的以幅值和相位均方误差和为损失函数的深度重建方法,用以加快磁共振图像重建速度及提高重建精度.方法 考虑到磁共振不同线圈之间的数据噪声并不完全独立,本文首先将多线圈数据合并成单线圈幅值数据,以消除不同线圈噪声间的相关性,并以此作为训练数据的样本标签;同时考虑到相位信息的重要性,我们将损失函数定义为幅值和相位均方误差的加权和,权重系数用来平衡两者在不同应用中的重要程度.为了验证方法的有效性,本文利用FastMRI数据集中真实的脑部和膝部K空间数据进行训练和测试,并与一些以均方误差或平均绝对误差作为损失函数的相关方法进行了比较.结果 所提方法能够有效去除噪声及重叠伪影,同时较好地保留图像细节.定量结果显示,相比于已有的以均方误差或平均绝对误差作为损失函数的方法,本文提出的方法可以提高重建图像的峰值信噪比(PSNR)1dB左右.结论 本文针对深度磁共振重建提出了一种新的损失函数,以适应并行磁共振数据中的噪声特点,利用该方法可以加快重建速度,同时可以有效地提高重建质量.
文献关键词：
深度学习;复值损失函数;并行磁共振成像;图像重建
中图分类号：
作者姓名：
黄进红;周根娇;喻泽峰;胡文玉
作者机构：
赣南师范大学数学与计算机科学学院//江西省数值模拟与仿真技术重点实验室//赣州市计算成像重点实验室,江西 赣州 341000
文献出处：
引用格式：
[1]黄进红;周根娇;喻泽峰;胡文玉-.基于复值损失函数的并行MRI的深度重建)[J].南方医科大学学报,2022(12):1755-1764
A类：
复值损失函数,FastMRI,并行磁共振成像
B类：
均方误差,重建方法,磁共振图像重建,重建精度,同线,数据噪声,多线圈,数据合并,成单,单线,训练数据,样本标签,相位信息,函数定义,加权和,权重系数,重要程度,验证方法,脑部,膝部,空间数据,平均绝对误差,相关方法,除噪声,伪影,函数的方法,重建图像,峰值信噪比,PSNR,1dB,重建质量
AB值：
0.359633
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。
