文献类型：期刊文章

作　　者：李星[1] 杨燕[1] 靖稳峰[1]

LI Xing;YANG Yan;JING Wenfeng(National Engineering Laboratory for Big Data Analytics,School of Mathematics and Statistics,Xi'an Jiaotong University,Xi'an 710049)

机构地区：[1]西安交通大学数学与统计学院大数据算法与分析技术国家工程实验室,西安710049

出　　处：《工程数学学报》

基　　金：国家重点研发计划(2022YFA1004201);国家自然科学基金(11631013);国家自然科学基金–广东联合基金(U21A6005HZ)。

年　　份：2024

卷　　号：41

期　　号：3

起止页码：397-409

语　　种：中文

收录情况：AJ、BDHX、BDHX2023、CSCD、CSCD2023_2024、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：快速磁共振成像一直都是磁共振成像(Magnetic Resonance Imaging,MRI)的核心研究内容,通过k空间欠采样数据重建或增加多个线圈并行成像(并行MRI技术)能够有效地提高扫描速度,降低核磁共振检查的扫描时间,已广泛应用于临床医学。近年来,随着深度学习技术的发展,将深度学习方法应用到磁共振快速成像取得了突破性的进展,基于深度学习的磁共振快速成像以其更快的扫描、更快的成像优势成为目前磁共振成像领域的研究热点,在欠采样倍数较高的情况下仍然能重建出伪影较低的高质量MRI图像。基于此,首先简要回顾了传统的快速MRI采样方法,之后对基于深度学习的快速磁共振成像欠采样与重建联合优化框架进行综述,并展示了相关框架的性能比较,最后对快速磁共振成像采样的发展趋势进行了展望。

关 键 词：快速磁共振成像  深度学习  医学影像 图像重建 欠采样模式  

分 类 号：TP389.1]