换一批摘要电子顺磁共振成像(EPRI)是一种先进的肿瘤氧气浓度成像方法.当前,EPRI的瓶颈问题是扫描时间过长.稀疏重建,即从稀疏视角下采集的投影数据中重建图像,是一种有效的快速成像方法.然而,使用经典的滤波反投影(FBP)算法稀疏重建出的图像含有严重的条状伪影,影响其后续处理.为此,本文基于深度学习的EPRI稀疏重建方法,提出一种残差式的、基于注意力的、密集UNet网络(RAD-UNet)来实现条状伪影的压制.该网络的输入是FBP稀疏重建出来的含条状伪影的图像,标签是FBP稠密重建出来的高质量图像.通过大规模数据的训练,网络具有压制条状伪影的能力.图像重建时,首先用FBP算法稀疏重建出含条状伪影的EPRI图像,然后将其输入RAD-UNet网络进行伪影压制处理,最后得到高精度重建图像.该网络耦合残差连接、注意力机制、密集连接和感知损失等先进策略,提高网络的非线性拟合能力,提升网络的压制条状伪影的能力.实际数据重建实验结果表明,相比于现有的 3种具有代表性的深度卷积网络,该网络的稀疏重建精度更高,压制条状伪影的能力更强.
更多相关知识
关键词
深度学习卷积神经网络电子顺磁共振成像稀疏重建条状伪影deep learningconvolutional neural networkselectron paramagnetic resonance imagingsparse reconstructionstreak artifacts
栏目名称
DOI
10.15953/j.ctta.2025.047
发布时间
2026-06-01（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
