论文部分内容阅读
人体脑部MRI通常是多切片的,并且相邻切片间存在数据冗余。深度学习已经成为欠采样MRI重建领域的有力工具,然而目前基于深度学习的重建算法主要是针对单幅MRI图像。为了充分利用脑部MRI数据中的数据冗余,以获取更高的重建质量与加速因子,提出了一种深度迭代卷积神经网络(DICNN)。在每次迭代中,首先使用双向卷积模块(BDC)探索相邻切片间的数据冗余,然后用2D卷积模块(RNET)进一步探索单幅MRI切片内部的数据冗余。在单线圈的脑部MRI数据集上的仿真实验表明,提出的重建算法在不同欠采样因子下的重建效果优于