基于深度递归级联卷积神经网络的并行磁共振成像方法

O482.53; 快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短....

Full description

Saved in:
Bibliographic Details
Published in波谱学杂志 Vol. 36; no. 4; pp. 437 - 445
Main Authors 程慧涛, 王珊珊, 柯子文, 贾森, 程静, 丘志浪, 郑海荣, 梁栋
Format Journal Article
LanguageChinese
Published 医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳 518055 2019
中国科学院大学,北京 100049%保罗C. 劳特伯生物医学成像研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055%医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055
Subjects
先验信息
卷积神经网络
快速磁共振成像
深度学习
并行成像
Online AccessGet full text

Cover

Abstract O482.53; 快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短.
AbstractList O482.53; 快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短.
Author 郑海荣
贾森
程静
柯子文
梁栋
程慧涛
丘志浪
王珊珊
AuthorAffiliation 医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳 518055;中国科学院大学,北京 100049%保罗C. 劳特伯生物医学成像研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055%医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055
AuthorAffiliation_xml – name: 医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳 518055;中国科学院大学,北京 100049%保罗C. 劳特伯生物医学成像研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055%医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055
Author_FL CHENG Hui-tao
CHENG Jing
LIANG Dong
QIU Zhi-lang
WANG Shan-shan
JIA Sen
KE Zi-wen
ZHENG Hai-rong
Author_FL_xml – sequence: 1
  fullname: CHENG Hui-tao
– sequence: 2
  fullname: WANG Shan-shan
– sequence: 3
  fullname: KE Zi-wen
– sequence: 4
  fullname: JIA Sen
– sequence: 5
  fullname: CHENG Jing
– sequence: 6
  fullname: QIU Zhi-lang
– sequence: 7
  fullname: ZHENG Hai-rong
– sequence: 8
  fullname: LIANG Dong
Author_xml – sequence: 1
  fullname: 程慧涛
– sequence: 2
  fullname: 王珊珊
– sequence: 3
  fullname: 柯子文
– sequence: 4
  fullname: 贾森
– sequence: 5
  fullname: 程静
– sequence: 6
  fullname: 丘志浪
– sequence: 7
  fullname: 郑海荣
– sequence: 8
  fullname: 梁栋
BookMark eNrjYmDJy89LZWAQNTTQMzS0NLbQT87KLTIyMLQ0MjcyZGHgNDQwMNA1MTU142DgLS7OTAJyLcyMjC0MORk8ns7f9WRX37PtG5_uWvayYdLTvZOe71r-onHK097tz5evf7503vPd_c_3Tny-e87zWS1Pd257sbDn-eLGp60bn_Wsf9Yx4Wlz_7NpO59tnsrDwJqWmFOcyguluRnU3FxDnD10yxPz0hLz0uOz8kuL8oAy8UkFFVVVINcZmBgYGBsTrRAA3DRejQ
ClassificationCodes O482.53
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.11938/cjmr20192721
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Physics
DocumentTitle_FL A Deep Recursive Cascaded Convolutional Network for Parallel MRI
EndPage 445
ExternalDocumentID bpxzz201904003
GrantInformation_xml – fundername: 国家重点研发计划
  funderid: (2017YFC0108802)
GroupedDBID -01
2B.
2C.
4A8
5VS
5XA
5XB
92E
92I
93N
ACGFS
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CCVFK
CW9
GROUPED_DOAJ
IPNFZ
P2P
PSX
RIG
TCJ
TGP
U1G
U5K
U5L
ID FETCH-wanfang_journals_bpxzz2019040033
ISSN 1000-4556
IngestDate Tue Feb 13 23:31:03 EST 2024
IsPeerReviewed true
IsScholarly true
Issue 4
Keywords 先验信息
卷积神经网络
快速磁共振成像
深度学习
并行成像
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-wanfang_journals_bpxzz2019040033
ParticipantIDs wanfang_journals_bpxzz201904003
PublicationCentury 2000
PublicationDate 2019
PublicationDateYYYYMMDD 2019-01-01
PublicationDate_xml – year: 2019
  text: 2019
PublicationDecade 2010
PublicationTitle 波谱学杂志
PublicationTitle_FL Chinese Journal of Magnetic Resonance
PublicationYear 2019
Publisher 医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳 518055
中国科学院大学,北京 100049%保罗C. 劳特伯生物医学成像研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055%医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055
Publisher_xml – name: 医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳 518055
– name: 中国科学院大学,北京 100049%保罗C. 劳特伯生物医学成像研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055%医学人工智能研究中心(中国科学院 深圳先进技术研究院),广东 深圳,518055
SSID ssib000862381
ssib051373667
ssj0039408
ssib002258149
ssib038074664
Score 4.3713975
Snippet O482.53;...
SourceID wanfang
SourceType Aggregation Database
StartPage 437
Title 基于深度递归级联卷积神经网络的并行磁共振成像方法
URI https://d.wanfangdata.com.cn/periodical/bpxzz201904003
Volume 36
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3NaxNBFB9qRPAifqL1qwfHS4lmd2d3Zo67yYbgwVOF3kqybhTBKG0KkpNFBQ_ValEPIoqI9liKYGlK_xs3W_8L33uzm2xqoeplebyZ-c37mJ0vZt4wdkXGUkXCFmXZjlUZOjyrrJ2mKLtSN3Vs2Xj0Ak9b3PQat8SNWXd2ojRZOLW02G1di3r73iv5H68CD_yKt2T_wbNDUGAADf6FL3gYvn_lYx66XNd54PNQ4FeFPPR4IHlgYRJwfI-Hmk4z2MSpESEpSfJQwUSSa4FJqoYFIQn4fp0IAA8pc8AVcbC4lXF0FQkNlVLxQPPAQ0Df4oqSfAfBEdkleTzkIzIQiusKJTmE7HHtIQIK73DzHGY-Y86Yvo3gQSVTza-RalCwxpVRrc71cEyl-kG5gGpzSVcPBdRBMQvYC7NIFEL5Q2KUxUPzosxUI8pMoqpCRSAU2J4MDxr7YXEbpdBNk7ZVNNxIevIZOs9F04O5EV0TR6FpwNyoR4U8BIQxMZRSiGB0hmy2GmPqIC8oyVvD6jSC-_b0WBsBN4J1jZfALahOHSHQbj42HJSpmreIPaJkiNzW8KfmraCeSaOr-9Q07VqqYiImZ0MhxhwQrgn7no-VJlhN1ieIwsAnTOiebA4lTIjQP4dnTdH4o3v359EHtjS34_dEPG89fNTrYToOMM4hdtiW2hWF7ZJ8Ke4UQ_fZrrJGWwn4jkLx5QTXcqTjecPNGEeLirkmm2mZx98FCa8X5aPLfJ12s3OnMO-cOc6OZQvGKd_8_SfYRO_uSXaEDm5HC6dYI_nU_9l_OdjcSPrffj1eTXZW0_7a7tKb5MVmuraefv2Ybq-kO6_T7Q_p-6fJ1o_dz8vpl6Xk2cZgeX3w_FXyZGXwbmvw_e1pdrUezlQb5UyOuawHWpgbN5RzhpU6DzrxWTYFi54IQwnGuGEio1jFt2W7oqNWE1ZUsXDPscsHgE0emOM8O4q02Y68wErd-cX4IkzQu61L5KnfD4mq4g
link.rule.ids 315,786,790,870,4043,27954,27955,27956
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E9%80%92%E5%BD%92%E7%BA%A7%E8%81%94%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E5%B9%B6%E8%A1%8C%E7%A3%81%E5%85%B1%E6%8C%AF%E6%88%90%E5%83%8F%E6%96%B9%E6%B3%95&rft.jtitle=%E6%B3%A2%E8%B0%B1%E5%AD%A6%E6%9D%82%E5%BF%97&rft.au=%E7%A8%8B%E6%85%A7%E6%B6%9B&rft.au=%E7%8E%8B%E7%8F%8A%E7%8F%8A&rft.au=%E6%9F%AF%E5%AD%90%E6%96%87&rft.au=%E8%B4%BE%E6%A3%AE&rft.date=2019&rft.pub=%E5%8C%BB%E5%AD%A6%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%28%E4%B8%AD%E5%9B%BD%E7%A7%91%E5%AD%A6%E9%99%A2+%E6%B7%B1%E5%9C%B3%E5%85%88%E8%BF%9B%E6%8A%80%E6%9C%AF%E7%A0%94%E7%A9%B6%E9%99%A2%29%2C%E5%B9%BF%E4%B8%9C+%E6%B7%B1%E5%9C%B3+518055&rft.issn=1000-4556&rft.volume=36&rft.issue=4&rft.spage=437&rft.epage=445&rft_id=info:doi/10.11938%2Fcjmr20192721&rft.externalDocID=bpxzz201904003
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fbpxzz%2Fbpxzz.jpg