检索历史 清除

摘要磁共振成像(MRI)是一种广泛应用于疾病诊断和医学分析的成像技术。它利用强磁场和无线电脉冲在我们体内产生详细的图像信息。同时具有分辨率高、辐射小等优点。与其它成像方式相比，MRI具有更好的软组织对比度和准确的功能信号测量，可以提供具有类似的生物结构和互补的纹理信息的多对比度图像。这些优点使得MRI技术被广泛地使用作为临床上的疾病辅助诊断，能够很好的从影像形态、结构和功能等方面对其进行可视化，为临床诊断提供重要信息。磁共振成像技术可以分类为定性MRI和定量MRI。定性MRI通常获得单个加权图像，加权图像主要反应解剖形态。作为对比，在一次定量MRI采集中可以同时获得多参数图像以提供关于组织特征的互补定量信息。然而，无论是定性还是定量，MRI都需要较长的扫描时间，除此以外，成像缓慢，会给患者带来不适，并且患者的器官运动，如呼吸、吞咽和自然心跳，会导致图像模糊和对比度失真。因此，开发定性和定量相关的符合临床质量标准的加速MR成像的重建方法是非常必要的。本论文的研究内容如下:<br>　　首先，本文提出了一种级联混合的频域和图像域生成对抗网络，来加速定性T1加权磁共振成像。该方法针对频域特征设计多尺度特征融合采样层以及图像域的梯度差异损失函数来提高图像重建质量。<br>　　其次，本文提出一种基于物理模型的级联生成对抗网络，加速定量多回波多参数磁共振成像。在之前的网络基础上，在图像域设计特征图通道残差块和空间特征表示模块来进一步提高重建质量，在频域使用预先训练的模型提供偏移校正的频域信息，以获得接近全采样频域信息的频域特征图。<br>　　最后，由于实际场景使用中对定量成像的的获取和生成离不开原始的多回波多线圈k空间数据，数据的不正确处理导致很多算法都只能止步于实验阶段，无法真正落地。为了解决这一难题，本文提出了一种联合采样、重建和映射于一体的框架来加速多参数磁共振定量成像。所使用的方法和数据收集完全模拟实际临床场景，它在真实世界的成像场景中是非常有效和需要的。与分阶段优化相比，各模块的联合学习可以使彼此受益并提高性能，既避免了分阶段优化导致的数据真实性问题又防止了实验与真实场景使用数据形式不一致的问题，保证了临床多对比度多参数图像的重建性能，为后续算法落地提供了保障。