Deep MRI Reconstruction

MR画像再構成のための畳み込みニューラルネットワークと畳み込みリカレントニューラルネットワークのディープカスケード

---

Deep Cascade of Convolutional Neural Networks (DC-CNN) および Convolutional Recurrent Neural Networks (CRNN-MRI) を使用して、アンダーサンプリングされた測定値から MR 画像を再構成します。このリポジトリには、Theano と Lasagne を使用した DC-CNN の実装と、PyTorch を使用した CRNN-MRI の実装と、簡単なデモが含まれています。このライブラリには、Lasagne と Theano の開発バージョン、および CUFFT ライブラリを使用するための pygpu バックエンドが必要であることに注意してください。 PyTorch のバージョンは、Torch 0.4 以降である必要があります。おもちゃのデータセットの一部は から借用しました。

1. 2D 再構成

使用法：

 python main_2d.py --num_epoch 5 --batch_size 2

---

2. 動的再構成

データ共有レイヤーを備えた DC-CNN を使用して、アンダーサンプリングされた測定値からダイナミック MR 画像を再構成します。ライブラリには、上で指定した要件に加えて CUDNN が必要であることに注意してください。

使用法：

 python main_3d.py --acceleration_factor 4

---

3. 畳み込みリカレントニューラルネットワークを使用した動的再構成

畳み込みリカレント ニューラル ネットワークを使用して、アンダーサンプリングされた測定値からダイナミック MR 画像を再構築します。これは、Torch 0.4 を必要とする pytorch 実装です。

使用法：

 python main_crnn.py --acceleration_factor 4

---

引用と謝辞

コードを作品に使用する場合、またはコードが役に立ったと思われる場合は、次の作品を引用してください。

2D 再構築:

 Schlemper, J.、Caballero, J.、Hajnal, JV、Price, A.、および Rueckert, D. MR 画像再構成のための畳み込みニューラル ネットワークのディープ カスケード。医用画像処理における情報処理 (IPMI)、2017 年

---

この論文は arXiv からも入手できます:

動的再構築:

 Schlemper, J.、Caballero, J.、Hajnal, JV、Price, A.、および Rueckert, D. 動的 MR 画像再構成のための畳み込みニューラル ネットワークのディープ カスケード。 ArXiv 1704.02422

---

この論文は arXiv からも入手できます:

CRNN を使用した動的再構成:

 Qin, C.、Schlemper, J.、Caballero, J.、Hajnal, JV、Price, A.、および Rueckert, D. 動的 MR 画像再構成のための畳み込みリカレント ニューラル ネットワーク。医用画像に関する IEEE トランザクション (2018)。

---

この論文は arXiv からも入手できます: