基于人工智能的磁共振图像重建和计算机辅助诊断的研究

发布时间:2024-02-24 01:47
  磁共振成像(Magnetic Resonance Imaging,MRI)是临床重要的检查手段,使用不同的脉冲序列,可以获得关于人体组织结构、功能、代谢等不同方面的信息。磁共振成像对比度信息丰富、分辨率高、可任意方向切片,并且没有辐射伤害,在临床诊断中发挥着重要作用。磁共振成像也是技术最为复杂的医学影像方法之一,在磁共振成像的数据采集、图像重建、图像后处理与图像分析等各个阶段都有大量的科学与技术问题需要研究。本文利用数据驱动与人工智能(Artificial Intelligence,AI)的方法,分别对磁共振图像重建、图像处理、图像分析等进行了系统的研究。本文主要做了如下工作:一、本文对磁共振成像图像重建中的若干问题进行研究。高分辨的磁共振图像需要较长的图像采集时间,这也是磁共振扫描成本较高的主要原因。利用采集部分k空间数据(欠采集)进行图像重建是缩短磁共振成像扫描时间的重要方法。本文首先对磁共振血管造影图像的重建进行了研究。我们利用磁共振血管的半高全宽不随分辨率变化这一先验知识,结合迭代算法,提出了约束数据外插(Constrained Data Exploration,CODE)算法...

【文章页数】:121 页

【学位级别】:博士

【部分图文】:

图1.1含有一层隐含层的神经网络示意图

图1.1含有一层隐含层的神经网络示意图

图1.1含有一层隐含层的神经网络示意图。上,含有一层隐含层的神经网络可以以任意精度逼近任何函数含层上的节点个数30。受计算能力的限制,浅层神经网络隐含导致模型计算效率低、模型建立成本高,近几年的网络设计倾节点减少,增加隐含层层数,即使得神经网络结构变深,此时(DeepNeur....


图2.1CODE重建算法流程图

图2.1CODE重建算法流程图

图2.1CODE重建算法流程图。2.2.2CODE实验的模拟数据和MRA数据通过模拟数据和真实MRA数据进行实验验证。数据采用一系列的圆形结构和月形结构,用来模拟不同大小的窄血管截面。模拟数据使用10241024大小的矩阵进行构造分布为16、18、……、60....


图2.2CODE采样方式(左)和CS采样方式(右)

图2.2CODE采样方式(左)和CS采样方式(右)

ODE采样方式(左)和CS采样方式(右)。其中CODE集中间的低频部分,能够获得更高的信噪比。使用RUS、CS和CODE分别在512512的矩阵大小上进行与全采的图像(FullySampled,FS)进行比较。测量圆形结构中面积误差由公式⑾表示。针对月形结构,....


图2.3RUS、CS和CODE在25%采样率条件下对不同尺度的模拟数据(16体素和6体素)在不同重建矩阵大小(256256、512512、10241024)的重建效果,右上角是边缘的放大图

图2.3RUS、CS和CODE在25%采样率条件下对不同尺度的模拟数据(16体素和6体素)在不同重建矩阵大小(256256、512512、10241024)的重建效果,右上角是边缘的放大图

统计方法采用配对t检验,显著性指标选择0.05。以上实验我们使用Matlab2015a(TheMathWorks,Inc.)进行实现,实验平台为Windows10、英特尔i7处理器和16GB内存;血管截面计算和狭窄程度计算使用SPIN(SignalProce....



本文编号:3908324

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3908324.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户fc282***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com