基于支撑先验与深度图像先验的无预训练磁共振图像重建方法.pdfVIP

物 理 学 报   Acta  Phys.  Sin.   Vol. 71, No. 5 (2022)    058701   基于支撑先验与深度图像先验的无预 训练磁共振图像重建方法* 1)3) 2)† 3) 1)3) 赵地     赵莉芝     甘永进     覃斌毅 1) (玉林师范学院, 广西高校复杂系统优化与大数据处理重点实验室, 玉林　537000) 2) (中央民族大学信息工程学院, 北京　100081) 3) (玉林师范学院物理与电信工程学院, 玉林　537000) (2021 年9 月22 日收到; 2021 年10 月18 日收到修改稿) 基于深度学习的磁共振成像 (magnetic resonance imaging, MRI)方法需要大规模、高质量的病患数据样 本集进行预训练. 然而, 由于病患隐私及设备等因素限制, 获取大规模、高质量的磁共振数据集在实际临床应 用中面临挑战. 本文提出一种新的基于深度学习的欠采样磁共振图像重建方法, 该方法无需预训练、不依赖 训练数据集, 而是充分利用待重建的目标MR图像的结构先验和支撑先验, 并将其引入深度图像先验 (deep image prior, DIP)框架, 从而削减对训练数据集的依赖, 提升学习效率. 基于参考图像与目标图像的相似性, 采用高分辨率参考图像作为深度网络输入, 将结构先验信息引入网络; 将参考图像在小波域中幅值大的系数 索引集作为目标图像的已知支撑集, 构造正则化约束项, 将网络训练转化为网络参数的最优化求解过程. 实 验结果表明, 本文方法可由欠采样k 空间数据重建得到更精确的磁共振图像, 且在保留组织特征、细节纹理 方面具有明显优势. 关键词：磁共振成像, 欠采样图像重建, 深度图像先验, 支撑先验 PACS ：87.61.–c, 02.30.Zz, 42.30.Wb 　DOI: 10.7498/aps.71   由欠采样 k 空间数据重建MR图像以实现快 1   引　言 速MRI, 本质上是求解高度欠定逆问题. 基于信号 处理理论的一类方法发展迅速, 该类方法通过引入 磁共振成像 (magnetic resonance imaging, 关于目标MR图像函数的先验信息, 利用正则化 MRI)是一种非入侵性成像技术, 可为临床诊断提 方法在保证解的唯一性与稳定性的前提下完成重 供结构、功能及解剖信息. MR成像时间与k 空间 建. 尤其随着压缩感知(compressed sensing,