DERnet:用于磁粒子成像中的端到端重建的深度神经网络
Zhengyao Peng1,2,3, Lin Yin1,2,3, Zewen Sun1,2,3
1CAS Key Laboratory of Molecular Imaging, Institute of Automation, Beijing, People's Republic of China.
Physics in medicine and biology
|December 8, 2023
概括
一个新的深度神经网络,DERnet,通过在图像重建过程中减少噪音来增强磁粒子成像 (MPI). 这种数据驱动的方法可以提高生物医学应用的图像质量.
科学领域:
- 生物医学成像学 生物医学成像学
- 医学物理 医学物理
- 医学中的人工智能
背景情况:
- 磁粒子成像 (MPI) 是一个有前途的生物医学成像技术.
- MPI图像重建是一个不好的反向问题,易受噪声的影响.
- 传统的重建方法使用手工制作的术语,限制了空间特征的捕捉.
研究的目的:
- 开发一个深度神经网络,用于端到端的MPI图像重建.
- 解决噪声干扰问题,提高MPI的重建质量.
- 创建一个数据驱动的方法,更有效地捕获信号和空间特征.
主要方法:
- 为MPI重建提出了一个名为DERnet的深度神经网络.
- DERnet以数据驱动的方式使用子网络模拟数据一致性和规范化术语.
- 该网络捕获信号和空间特征,而不依赖于手工制作的先验.
主要成果:
- 与最先进的方法相比,DERnet实现了更高的重建质量.
- 在各种噪音水平下,观察到峰值信号与噪音比率有0.9-8.8dB的改善.
- 该方法证明了有效的噪声抑制,并提高了测量数据的准确性.
结论:
- 在降低噪音和提高MPI重建质量方面,DERnet提供了显著的性能优势.
- 数据驱动的方法有效地捕获关键的信号和空间特征.
- 在生物医学研究和临床实践中,DERnet显示出推动MPI发展的前景.


