基于深度残差网络的单次激发重叠回波分离平面成像 T2 Mapping 高效重建
计算机视觉与模式识别
2017-08-18 v1
摘要
目的：提出一种基于深度残差网络（ResNet）的端到端深度卷积神经网络（CNN），以从单次激发重叠回波分离（OLED）平面成像中高效重建可靠的 T2 mapping。方法：训练数据集由我们小组开发的 SPROM 软件上的仿真实验获取。通过 ResNet 训练学习包含两个回波信号的原始 OLED 图像与对应 T2 mapping 之间的关系。ResNet 训练完成后，将其应用于从仿真和活体人脑数据中重建 T2 mapping。结果：尽管 ResNet 完全在仿真数据上训练，训练后的网络对真实人脑数据仍具有良好的泛化能力。仿真和活体人脑实验结果均表明，所提方法显著优于基于回波分离的方法。在网络训练完成后，可在数十毫秒内实现可靠的 T2 mapping，而基于回波分离的 OLED 重建方法则需要数分钟。结论：所提方法将极大促进通过 OLED 序列进行实时动态与定量 MR 成像，且 ResNet 有望高效重建复杂 MRI 序列的图像。
引用
@article{arxiv.1708.05170,
title = {High Efficient Reconstruction of Single-shot T2 Mapping from OverLapping-Echo Detachment Planar Imaging Based on Deep Residual Network},
author = {Congbo Cai and Yiqing Zeng and Chao Wang and Shuhui Cai and Jun Zhang and Zhong Chen and Xinghao Ding and Jianhui Zhong},
journal= {arXiv preprint arXiv:1708.05170},
year = {2017}
}
备注
18 pages, 7 figures