磁共振成像（Magnetic Resonance Imaging,MRI）因其具有較高的軟組織分辨率,對(duì)人體沒(méi)有電離輻射損傷等優(yōu)點(diǎn),應(yīng)用范圍日益廣泛,已成為一項(xiàng)常規(guī)醫(yī)學(xué)檢查方法。但由于MRI在應(yīng)用中常存在掃描速度慢的缺點(diǎn),容易產(chǎn)生運(yùn)動(dòng)偽影,且難以滿足實(shí)時(shí)成像的要求,因此如何加快MRI的成像速度是MRI領(lǐng)域的熱點(diǎn)之一。以往通常從三個(gè)方面來(lái)加速M(fèi)RI的成像時(shí)間,一是提高M(jìn)RI硬件的性能,但人體的生理效應(yīng)限制了MRI硬件的磁場(chǎng)強(qiáng)度和磁場(chǎng)梯度的切換率;二是采用并行成像算法,但采用并行成像算法受線圈敏感度分布的準(zhǔn)確測(cè)量和自校準(zhǔn)數(shù)據(jù)行、降采樣倍數(shù)、擬合塊個(gè)數(shù)等多種因素的影響;三是減少M(fèi)RI的k空間（頻域空間）的數(shù)據(jù)采集量,但是數(shù)據(jù)采集量的大量減少,會(huì)帶來(lái)圖像質(zhì)量的顯著下降,盡管可通過(guò)多種重建算法提高欠采樣圖像重建的質(zhì)量,但是往往需要較長(zhǎng)的重建時(shí)間,難以滿足實(shí)時(shí)成像的臨床需求。近年來(lái),基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）的深度學(xué)習(xí)算法開始應(yīng)用于磁共振欠采樣數(shù)據(jù)重建�；谏疃染矸e神經(jīng)網(wǎng)絡(luò)的快速磁共振成像通過(guò)訓(xùn)練大量的全采樣和欠采樣圖像,利用損失函數(shù)對(duì)網(wǎng)絡(luò)... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 深度卷積神經(jīng)網(wǎng)絡(luò)
        1.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的快速磁共振成像算法
        1.2.3 基于注意門的卷積神經(jīng)網(wǎng)絡(luò)算法
        1.2.4 基于k空間的快速磁共振成像算法
    1.3 主要研究?jī)?nèi)容
    1.4 本文章節(jié)安排
第2章 磁共振成像原理及卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)
    2.1 引言
    2.2 MRI成像過(guò)程
    2.3 MRI采樣方式
    2.4 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)模塊
    2.5 卷積神經(jīng)網(wǎng)絡(luò)函數(shù)的反向傳播
        2.5.1 損失函數(shù)
        2.5.2 優(yōu)化算法
    2.6 本章小結(jié)
第3章 基于AR2 U-net卷積神經(jīng)網(wǎng)絡(luò)的快速磁共振成像算法
    3.1 引言
    3.2 基于U-net卷積神經(jīng)網(wǎng)絡(luò)的快速磁共振成像算法
        3.2.1 基于U-net卷積神經(jīng)網(wǎng)絡(luò)的磁共振圖像訓(xùn)練
        3.2.2 基于U-net卷積神經(jīng)網(wǎng)絡(luò)的磁共振圖像重建
    3.3 基于AR2 U-net卷積神經(jīng)網(wǎng)絡(luò)的快速磁共振成像算法
        3.3.1 R2(遞歸殘差)模塊
        3.3.2 AG(注意力)模塊
        3.3.3 基于AR2 U-net卷積神經(jīng)網(wǎng)絡(luò)的磁共振圖像訓(xùn)練
        3.3.4 基于AR2 U-net卷積神經(jīng)網(wǎng)絡(luò)磁共振圖像重建
    3.4 實(shí)驗(yàn)仿真及分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備
        3.4.2 客觀量化標(biāo)準(zhǔn)
        3.4.3 實(shí)驗(yàn)結(jié)果
    3.5 討論與分析
    3.6 本章小結(jié)
第4章 基于混合空間卷積神經(jīng)網(wǎng)絡(luò)的快速磁共振成像算法
    4.1 引言
    4.2 基于k空間卷積神經(jīng)網(wǎng)絡(luò)的快速磁共振成像算法
        4.2.1 k空間卷積神經(jīng)網(wǎng)絡(luò)前向傳播
        4.2.2 k空間卷積神經(jīng)網(wǎng)絡(luò)反向傳播
    4.3 基于圖像空間卷積神經(jīng)網(wǎng)絡(luò)的快速磁共振成像算法
        4.3.1 圖像空間卷積神經(jīng)網(wǎng)絡(luò)前向傳播
        4.3.2 圖像空間卷積神經(jīng)網(wǎng)絡(luò)反向傳播
    4.4 基于混合空間卷積神經(jīng)網(wǎng)絡(luò)的快速磁共振成像算法
    4.5 實(shí)驗(yàn)仿真及分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備
        4.5.2 客觀量化標(biāo)準(zhǔn)
        4.5.3 實(shí)驗(yàn)結(jié)果
    4.6 討論與分析
    4.7 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3184035