本文主要研究内容
作者程慧涛,王珊珊,柯子文,贾森,程静,丘志浪,郑海荣,梁栋（2019）在《基于深度递归级联卷积神经网络的并行磁共振成像方法》一文中研究指出：快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短.
Abstract
kuai su ci gong zhen cheng xiang shi ci gong zhen yan jiu ling yu chong yao de ke ti zhi yi .sui zhao da shu ju he shen du xue xi de xing qi ,shen jing wang lao cheng wei kuai su ci gong zhen ji shu de chong yao fang fa .ran er wang lao xing neng biao xian he wang lao can shu liang zhi jian jiao nan qu de ping heng ,ju dui yu duo tong dao shu ju chong jian de bing hang cheng xiang wen ti ,xiang guan yan jiu jiao shao .ben wen gou jian le yi chong shen du di gui ji lian juan ji shen jing wang lao jie gou ,yong yu chu li bing hang cheng xiang wen ti .zhe chong wang lao jie gou zai jian shao wang lao can shu liang de tong shi ,neng gou jin ke neng de di gao wang lao de biao da neng li ,di gao wang lao chong jian de jing que du .shi yan jie guo biao ming ,xiang jiao yu chuan tong bing hang cheng xiang fang fa ,tong guo xun lian hao de shen jing wang lao dui qian cai yang ci gong zhen shu ju jin hang chong jian ,ke yi de dao geng zhun que de chong jian jie guo ,ju chong jian shi jian da da su duan .
论文参考文献
论文详细介绍
论文作者分别是来自波谱学杂志的程慧涛,王珊珊,柯子文,贾森,程静,丘志浪,郑海荣,梁栋，发表于刊物波谱学杂志2019年04期论文，是一篇关于快速磁共振成像论文,并行成像论文,深度学习论文,卷积神经网络论文,先验信息论文,波谱学杂志2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自波谱学杂志2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：快速磁共振成像论文; 并行成像论文; 深度学习论文; 卷积神经网络论文; 先验信息论文; 波谱学杂志2019年04期论文;