论文部分内容阅读
利用数据的稀疏性从随机欠采样的K空间重建图像,是解决磁共振成像(Magnetic Resonance Imaging, MRI)因采集时间过长而应用受限问题的主要手段。然而,现有的方法重建高倍欠采图像时纹理细节丢失严重。针对这一问题,借鉴生成对抗网络的对抗学习思想,文中提出一种基于语义对比生成对抗网络的高倍欠采MRI重建方法(Semantic-Contrast Generative Adversarial Network, SC-GAN)。该方法由连续的两部分组成。第一部分将笛卡尔高倍随机欠采样MR