[1]罗伶俐,王远军.基于深度学习技术的磁共振成像研究进展[J].中国医学物理学杂志,2020,37(7):873-877.[doi:DOI:10.3969/j.issn.1005-202X.2020.07.014]
 LUO Lingli,WANG Yuanjun.Advances in magnetic resonance imaging based on deep learning technology[J].Chinese Journal of Medical Physics,2020,37(7):873-877.[doi:DOI:10.3969/j.issn.1005-202X.2020.07.014]
点击复制

基于深度学习技术的磁共振成像研究进展()
分享到:

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

卷:
37
期数:
2020年第7期
页码:
873-877
栏目:
医学影像物理
出版日期:
2020-07-25

文章信息/Info

Title:
Advances in magnetic resonance imaging based on deep learning technology
文章编号:
1005-202X(2020)07-0873-05
作者:
罗伶俐王远军
上海理工大学医学影像工程研究所, 上海 200093
Author(s):
LUO Lingli WANG Yuanjun
Institute of Medical Imaging Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China
关键词:
磁共振成像深度学习图像重建综述
Keywords:
Keywords: magnetic resonance imaging deep learning image reconstruction review
分类号:
R318
DOI:
DOI:10.3969/j.issn.1005-202X.2020.07.014
文献标志码:
A
摘要:
磁共振(MR)成像是当前应用于临床医学诊断的重要医学成像手段之一。如何缩短扫描时间进行快速成像一直以来都是MR成像领域中的热门研究问题。近年来,随着深度学习的兴起和快速发展,深度学习被广泛应用于医学图像处理领域中。目前基于深度学习的MR成像方法作为MR成像的新兴方向,相应的研究已取得了一系列进展。本文对几种常见的基于深度学习的MR成像方法进行归纳和简要分析,并对其研究前景进行了展望。
Abstract:
Abstract: Magnetic resonance (MR) imaging is one of the most important medical imaging methods currently used in clinical medical diagnosis. How to shorten the scanning time for accelerated MR imaging has always been a hot research issue in the field of MR imaging . In recent years, with the rise and rapid development of deep learning, deep learning has been widely used in medical image processing. At present, deep learning-based MR imaging has emerged as an emerging direction of MR imaging, and lots of progress has been made in the related researches. Herein several common deep learning-based MR imaging are summarized and analyzed briefly, and their research prospects are discussed.

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(7):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(7):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]

备注/Memo

备注/Memo:
【收稿日期】2020-01-18 【基金项目】国家自然科学基金(61201067);上海市自然科学基金(18ZR1426900) 【作者简介】罗伶俐,在读硕士,研究方向:医学图像处理与分析,E-mail: lll6485@163.com 【通信作者】王远军,E-mail: yjusst@126.com
更新日期/Last Update: 2020-07-28