一种深度学习的高欠采样超极化气体肺部MRI重建方法
基本信息
| 申请号 | CN201811332971.0 | 申请日 | - |
| 公开（公告）号 | CN109410289B | 公开（公告）日 | 2021-11-12 |
| 申请公布号 | CN109410289B | 申请公布日 | 2021-11-12 |
| 分类号 | G06T11/00（2006.01）I;G06T7/11（2017.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 周欣;段曹辉;邓鹤;肖洒;李海东;孙献平;叶朝辉 | 申请（专利权）人 | 中国科学院武汉物理与数学研究所 |
| 代理机构 | 武汉宇晨专利事务所（普通合伙） | 代理人 | 李鹏;王敏锋 |
| 地址 | 430071 湖北省武汉市武昌区小洪山西30号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种深度学习的高欠采样超极化气体肺部MRI重建方法。包括以下步骤：构建构建超极化气体肺部MRI图像训练集，设计级联CNN模型，进行CNN模型训练，根据训练得到的级联CNN模型获得重建图像，本发明利用级联CNN模型，而且在损失函数中加入肺部轮廓信息，能够在高欠采样倍数下得到精确的重建图像，显著地加快成像速度。 |
