[1]于会昌,刘士远.深度学习在磁共振图像超分辨率重建中的应用[J].中国医学物理学杂志,2024,41(10):1243-1248.[doi:DOI:10.3969/j.issn.1005-202X.2024.10.008]
　YU Huichang,LIU Shiyuan.Application of deep learning in super-resolution reconstruction of magnetic resonance images[J].Chinese Journal of Medical Physics,2024,41(10):1243-1248.[doi:DOI:10.3969/j.issn.1005-202X.2024.10.008]
点击复制

深度学习在磁共振图像超分辨率重建中的应用()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
41卷
期数:
2024年第10期
页码:
1243-1248
栏目:
医学影像物理
出版日期:
2024-10-25

文章信息/Info

Title:
Application of deep learning in super-resolution reconstruction of magnetic resonance images
文章编号:
1005-202X（2024）10-1243-06
作者:
于会昌1; 刘士远2
1.上海理工大学健康科学与工程学院， 上海 200093； 2.海军军医大学附属长征医院放射诊断科, 上海 200003
Author(s):
YU Huichang1;  LIU Shiyuan2
1. School of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China 2. Department of Diagnostic Radiology, Shanghai Changzheng Hospital, Naval Medical University, Shanghai 200003, China
关键词:
磁共振成像; 超分辨率重建; 深度学习; 神经网络; 综述
Keywords:
Keywords: magnetic resonance imaging super-resolution reconstruction deep learning neural network review
分类号:
R318
DOI:
DOI:10.3969/j.issn.1005-202X.2024.10.008
文献标志码:
A
摘要:
磁共振成像（MRI）是医学影像学中一项重要的非侵入性检查技术，受限于磁共振硬件设备和扫描时间，有些磁共振图像具有较低的空间分辨率；深度学习技术的兴起为解决MRI图像分辨率问题提供了新的途径。本研究首先概述了MRI图像超分辨率重建的背景；其次，深入探讨了在MRI图像超分辨率重建任务中，各种深度学习方法的应用，并对这些方法进行详细的分析，对每种算法的工作原理、优势及其在图像重建过程中的效能表现进行评估；最后，讨论了深度学习技术在MRI图像超分辨率重建中的关键挑战，并对未来研究趋势进行展望。
Abstract:
Abstract: Magnetic resonance imaging (MRI) is a significant non-invasive diagnostic technique in medical imaging. Due to limitations in MRI hardware and scanning time, some MRI images have relatively low spatial resolution. The rise of deep learning technology offers a new approach to improve the resolution of MRI images. The study outlines the background of MRI super-resolution reconstruction, delves into the applications of various deep learning methods in MRI super-resolution reconstruction and offers a detailed analysis of these methods, evaluating their working principles, advantages, and performance efficiency in image reconstruction. Additionally, it also discusses the key challenges of deep learning technology in MRI super-resolution reconstruction, and provides prospects for future research trends.

相似文献/References:

[1]王水花,张煜东.压缩感知磁共振成像技术综述[J].中国医学物理学杂志,2015,32(02):158.[doi:10.3969/j.issn.1005-202X.2015.02.002]
[2]马海涵,游 箭,唐文国,等.成人小脑髓母细胞瘤MR成像和NSE表达水平[J].中国医学物理学杂志,2015,32(02):207.[doi:10.3969/j.issn.1005-202X.2015.02.012]
[3]武 杰,袁航英,严 峻,等.医用核磁共振成像设备的风险因素分析与管理[J].中国医学物理学杂志,2014,31(03):4918.[doi:10.3969/j.issn.1005-202X.2014.03.016]
[4]张煜东,王水花.磁共振成像加速方法[J].中国医学物理学杂志,2014,31(04):5015.[doi:10.3969/j.issn.1005-202X.2014.04.010]
[5]万俊,聂生东,王远军,等.基于MRI的脑肿瘤分割技术研究进展[J].中国医学物理学杂志,2013,30(04):4266.[doi:10.3969/j.issn.1005-202X.2013.04.013]
[6]曾雁冰,张战胜,辛学刚,等.反演法在磁共振射频场设计与优化中的应用[J].中国医学物理学杂志,2013,30(04):4272.[doi:10.3969/j.issn.1005-202X.2013.04.014]
[7]赵 琳,张军,张新宇,等.CT和MRI诊断脑神经胶质瘤52例分析[J].中国医学物理学杂志,2015,32(04):464.[doi:10.3969/j.issn.1005-202X.2015.04.003]
　[J].Chinese Journal of Medical Physics,2015,32(10):464.[doi:10.3969/j.issn.1005-202X.2015.04.003]
[8]赵 琳,张军,张新宇,等.CT和MRI诊断脑神经胶质瘤52例分析[J].中国医学物理学杂志,2015,32(04):464.[doi:10.3969/j.issn.1005-202X.2015.04.003]
[9]骆众星,石健强,谢斯栋,等.T1 FLAIR PROPELLER序列在3.0T磁共振颅脑增强成像上对抑制各种伪影的应用[J].中国医学物理学杂志,2015,32(06):878.[doi:doi:10.3969/j.issn.1005-202X.2015.06.025]
　[J].Chinese Journal of Medical Physics,2015,32(10):878.[doi:doi:10.3969/j.issn.1005-202X.2015.06.025]
[10]管春,朱庆永.参考制导的压缩感知快速磁共振重建方法[J].中国医学物理学杂志,2016,33(3):217.[doi:10.3969/j.issn.1005-202X.2016.03.001]
[11]李嘉丽,王国中,赵海武.基于频域约束和交叉融合特征网络的磁共振图像超分辨率重建算法[J].中国医学物理学杂志,2023,40(1):31.[doi:DOI:10.3969/j.issn.1005-202X.2023.01.006]
　LI Jiali,WANG Guozhong,ZHAO Haiwu.Magnetic resonance image super-resolution reconstruction based on frequency-domain constraints and cross-fusion feature[J].Chinese Journal of Medical Physics,2023,40(10):31.[doi:DOI:10.3969/j.issn.1005-202X.2023.01.006]

备注/Memo

备注/Memo:
【收稿日期】2024-03-04 【基金项目】国家自然科学基金（81930049） 【作者简介】于会昌，硕士，研究方向：医学图像处理、磁共振图像优化，E-mail: xyuzai0226@163.com 【通信作者】刘士远，博士，教授，研究方向：慢性阻塞性肺疾患的功能影像学、人工智能在医学影像学中的应用，E-mail: cjr.liushiuyuan@vip.163.com
更新日期/Last Update: 2024-10-29