公开(公告)号：CN112164122B

公开(公告)日：2022-08-23

申请号：CN202011191755.6

申请日：2020-10-30

Applicant: 哈尔滨理工大学

Inventor： 宋立新 ,  石波

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度残差生成对抗网络的快速CS‑MRI重建方法。属于CS‑MRI图像重建技术领域，目的是为了实现高质量的、快速的MRI图像重建，以减少因混叠伪影和重建时间过长而引发专家误判和患者不适的影响。本发明包括以下步骤：将k空间数据经过K空间欠采样、零填充处理得到零填充图像，零填充图像和K空间完全采样MRI图像X组成训练集中的训练样本对；基于深度残差生成对抗网络MRI重建模型的设计；最小二乘对抗损失结合内容损失函数的设计，生成模型采用最小二乘对抗生成损失和内容损失结合起来，判别模型采用最小二乘对抗判别损失；MRI重建模型的训练；MRI重建模型的测试。本发明应用于MRI图像重建。

公开(公告)号：CN112164122A

公开(公告)日：2021-01-01

申请号：CN202011191755.6

申请日：2020-10-30

Applicant: 哈尔滨理工大学

Inventor： 宋立新 ,  石波

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度残差生成对抗网络的快速CS‑MRI重建方法。属于CS‑MRI图像重建技术领域，目的是为了实现高质量的、快速的MRI图像重建，以减少因混叠伪影和重建时间过长而引发专家误判和患者不适的影响。本发明包括以下步骤：将k空间数据经过K空间欠采样、零填充处理得到零填充图像，零填充图像和K空间完全采样MRI图像X组成训练集中的训练样本对；基于深度残差生成对抗网络MRI重建模型的设计；最小二乘对抗损失结合内容损失函数的设计，生成模型采用最小二乘对抗生成损失和内容损失结合起来，判别模型采用最小二乘对抗判别损失；MRI重建模型的训练；MRI重建模型的测试。本发明应用于MRI图像重建。