诸如类风湿性关节炎的风湿性疾病的发病通常是亚临床的，这导致挑战疾病的早期检测。然而，可以使用诸如MRI或CT的成像技术来检测解剖结构的特征变化。现代成像技术，如化学交换饱和度转移（CEST）MRI驱动希望进一步通过体内代谢物的成像来改善早期检测。为了图像在患者的关节中的小结构，通常是由于疾病发生而导致的第一个区域之一，所以必须为CEST MR成像进行高分辨率。然而，目前，由于收购的潜在物理限制，CEST MR因其潜在的物理限制而受到固有的低分辨率。在这项工作中，我们将建立了基于神经网络的超分辨率方法的建立的上抽样技术。我们可以表明，神经网络能够从低分辨率到高分辨率不饱和CEST图像的映射显着优于当前方法。在测试设定的情况下，使用Reset神经网络可以实现32.29dB（+ 10％），NRMSE为0.14（+ 28％）的NRMSE，以及0.85（+ 15％）的SSSim，大大提高了基线。这项工作为超分辨率CEST MRI的神经网络预期调查铺平了道路，并且可能导致较早的风湿病发作的检测。
translated by 谷歌翻译
目的：开发一种适用于具有非平滑相位变化的扩散加权（DW）图像的鲁棒部分傅里叶（PF）重建算法。方法：基于展开的近端分裂算法，导出了一种神经网络架构，其在经常复卷卷积实现的数据一致性操作和正则化之间交替。为了利用相关性，在考虑到置换方面，共同重建相同切片的多重重复。该算法在60名志愿者的DW肝脏数据上培训，并回顾性和预期的不同解剖和分辨率的次样本数据评估。结果：该方法能够在定量措施以及感知图像质量方面具有显着优异地优于追溯子采样数据的传统PF技术。在这种情况下，发现重复的联合重建以及特定类型的经常性网络展开展开是有益的重建质量。在预期的PF采样数据上，所提出的方法使得DW成像能够在不牺牲图像分辨率或引入额外的伪影的情况下进行DW成像。或者，它可以用来对抗具有更高分辨率的获取的TE增加。此外，可以向展示训练集中的解剖学和对比度显示普遍性的脑数据。结论：这项工作表明，即使在易于相位变化的解剖中的强力PF因子中，DW数据的强大PF重建也是可行的。由于所提出的方法不依赖于阶段的平滑度前沿，而是使用学习的经常性卷积，因此可以避免传统PF方法的伪像。
translated by 谷歌翻译