一種深度學(xué)習(xí)的高欠采樣超極化氣體肺部MRI重建方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN201811332971.0 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN109410289B | 公開（公告）日 | 2021-11-12 |
| 申請(qǐng)公布號(hào) | CN109410289B | 申請(qǐng)公布日 | 2021-11-12 |
| 分類號(hào) | G06T11/00（2006.01）I;G06T7/11（2017.01）I;G06N3/08（2006.01）I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 周欣;段曹輝;鄧鶴;肖灑;李海東;孫獻(xiàn)平;葉朝輝 | 申請(qǐng)（專利權(quán)）人 | 中國(guó)科學(xué)院武漢物理與數(shù)學(xué)研究所 |
| 代理機(jī)構(gòu) | 武漢宇晨專利事務(wù)所（普通合伙） | 代理人 | 李鵬;王敏鋒 |
| 地址 | 430071 湖北省武漢市武昌區(qū)小洪山西30號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開了一種深度學(xué)習(xí)的高欠采樣超極化氣體肺部MRI重建方法。包括以下步驟：構(gòu)建構(gòu)建超極化氣體肺部MRI圖像訓(xùn)練集，設(shè)計(jì)級(jí)聯(lián)CNN模型，進(jìn)行CNN模型訓(xùn)練，根據(jù)訓(xùn)練得到的級(jí)聯(lián)CNN模型獲得重建圖像，本發(fā)明利用級(jí)聯(lián)CNN模型，而且在損失函數(shù)中加入肺部輪廓信息，能夠在高欠采樣倍數(shù)下得到精確的重建圖像，顯著地加快成像速度。 |
