换一批基于自监督网络的肝脏磁共振R2*参数图像重建
Magnetic Resonance R2* Parameter Mapping of Liver Based on Self-supervised Deep Neural Network
摘要磁共振等效横向弛豫率(R2*)参数量化技术已经被广泛应用于肝脏铁含量的定量测量中.然而铁沉积肝脏R2* 参数图像的重建通常会受到噪声的严重影响.随着深度学习的兴起,深度学习网络成为磁共振参数图像重建的重要方法.本文提出了一种模型引导的自监督深度学习网络用于铁沉积肝脏的磁共振R2* 参数图像重建.通过利用一种融合噪声校正物理模型和改进的全变分模型的损失函数来引导深度学习网络的自监督训练.网络的训练不需要使用真实的R2* 参数图像.同时,相较于传统的参数估计算法,本文提出的方法能够快速准确地重建出铁沉积肝脏R2* 参数图像,较好地抑制图像中噪声的影响,校正噪声引起的偏差,同时保持R2* 参数图像中的结构细节.
更多相关知识
关键词
磁共振成像参数图像重建深度学习自监督网络肝脏铁过载MR imagingparameter mappingdeep learningself-supervised networkliver iron overload
分类号
O482.53
栏目名称
DOI
10.11938/cjmr20233050
发布时间
2023-09-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（U21A6005）
- 浏览5
- 被引1
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
