用于MR图像重建的复数全卷积神经网络
计算机视觉与模式识别
2018-07-11 v1 图像与视频处理
摘要
对k空间数据进行欠采样被广泛用于加速磁共振成像(MRI)。当前基于深度学习的MRI图像重建监督学习方法通过将复数值k空间/空间域视为实数，采用实值运算与表示。本文提出复数稠密全卷积神经网络(DFNet)以学习消除欠采样MRI图像中的重建伪影。我们通过引入复数卷积、批归一化、非线性等专用层，构建了适用于复值输入的稠密连接全卷积块。DFNet利用输入k空间固有的复值特性并学习更丰富的表示。我们展示了相较于实值对应网络，DFNet在感知质量和解剖结构恢复方面的改善。
引用
@article{arxiv.1807.03343,
title = {Complex Fully Convolutional Neural Networks for MR Image Reconstruction},
author = {Muneer Ahmad Dedmari and Sailesh Conjeti and Santiago Estrada and Phillip Ehses and Tony Stöcker and Martin Reuter},
journal= {arXiv preprint arXiv:1807.03343},
year = {2018}
}
备注
9 pages, accepted in MICCAI-MLMIR 2018 Worshop