|
|
|
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。
|
|
| 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
|
|
|
| 基金资助:国家优秀青年科学基金项目（62122033）； 国家自然科学基金项目（61871206）~~； |
