DC-SiamNet:深度对比的语网络用于自我监督的MRI重建.
Yanghui Yan1, Tiejun Yang2, Xiang Zhao1
1School of Information Science and Engineering, Henan University of Technology, Zhengzhou, 450001, China.
Computers in biology and medicine
|November 5, 2023
概括
深度学习加速了磁共振成像 (MRI) 的重建. 一个新的自我监督的深度对比的语网络 (DC-SiamNet) 在没有完全采样数据的情况下提高了重建准确性,超过了现有的方法.
科学领域:
- 医疗成像医学成像
- 深度学习 (Deep Learning) 是一种深度学习.
- 图像重建 图像的重建
背景情况:
- 深度学习显著减少了MRI采集时间.
- 监督方法需要完全采样数据,限制临床使用和性能,无法获得高质量的图像.
- 由于缺乏完整的参考数据,现有的自我监督的方法在结构准确性方面扎.
研究的目的:
- 为快速MRI重建开发一种自我监督的方法,克服现有方法的局限性.
- 在重建的MRI图像中增强结构精度和纹理细节.
- 为了实现高质量的MRI重建,即使采用低样本数据.
主要方法:
- 提出了一个自主监督的深度对比的语网络 (DC-SiamNet),利用语的无卷结构.
- 整合了一个注意力加权平均值聚合模块,用于有效的特征聚合.
- 设计了一种混合损失函数,用于跨多个领域 (频率,图像,潜伏) 的同时重建和对比学习.
主要成果:
- 在8倍加速的IXI大脑数据集上实现了高重建精度 (0.93 SSIM,33.984 dB PSNR).
- 与其他方法相比,表现优越,接近完全监督的结果,特别是在较低的采样率下.
- 验证了不同大脑对比图像的强有力的跨域重建能力.
结论:
- DC-SiamNet有效地解决了自主监督MRI重建的局限性.
- 拟议的方法实现了最先进的性能,使得MRI采集速度更快,更准确.
- 对于需要快速,高质量的MRI扫描的临床应用,DC-SiamNet显示出有前途的前景.


