文献类型：期刊文章

作　　者：刘道华[1] 冯宸[1] 赵岩松[1] 魏丁二[1]

LIU Daohua;FENG Chen;ZHAO Yansong;WEI Dinger(College of Computer and Information Technology/Henan Key Laboratory of Analysis and Applications of Education Big Data,Xinyang Normal University,Xinyang 464000,China)

机构地区：[1]信阳师范学院计算机与信息技术学院/河南省教育大数据分析与应用重点实验室,河南信阳464000

出　　处：《信阳师范学院学报（自然科学版）》

基　　金：国家自然科学基金项目(31872704);河南省教师教育课程改革研究项目(2021-JSJYZD-030)。

年　　份：2023

卷　　号：36

期　　号：1

起止页码：127-131

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、IC、JST、RCCSE、WOS、ZGKJHX、ZMATH、核心刊

摘　　要：为了提高磁共振的数据采集效率,提出了一种多尺度特征融合网络。该网络模型由二扩张卷积和三扩张卷积特征融合块组成,采用扩张卷积以较少的参数扩大网络的感受野。在特征融合块中将几个扩张卷积残差模块组合在一起,并通过跳跃连接直接传输每个局部残差分支模块上的特征。使用特征融合块融合局部残差特征来产生更丰富的特征表示,同时引入局部残差学习来提取更多的图片细节。通过多组不同加速倍率下的重建实验并与其他文献中提到的方法相比较,实验结果表明,该网络重建出的磁共振图像具有更高的峰值信噪比和结构相似性。

关 键 词：磁共振成像(MRI) 多尺度 特征融合  扩张卷积  快速重建  

分 类 号：TP391.1] R445.2[计算机类]