Deep MRI Reconstruction

MR 영상 재구성을 위한 컨볼루셔널 신경망 및 컨볼루셔널 순환 신경망의 심층 캐스케이드

---

DC-CNN(Deep Cascade of Convolutional Neural Networks) 및 CRNN-MRI(Convolutional Recurrent Neural Networks)를 사용하여 언더샘플링된 측정값에서 MR 이미지를 재구성합니다. 이 저장소에는 간단한 데모와 함께 Theano와 Lasagne를 사용한 DC-CNN, PyTorch를 사용한 CRNN-MRI의 구현이 포함되어 있습니다. 라이브러리에는 Lasagne 및 Theano의 개발 버전과 CUFFT 라이브러리를 사용하기 위한 pygpu 백엔드가 필요합니다. PyTorch 버전은 Torch 0.4보다 높아야 합니다. <http://mridata.org>에서 빌린 장난감 데이터세트 중 일부.

1. 2D 재구성

용법:

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

---

2. 동적 재구성

데이터 공유 레이어가 있는 DC-CNN을 사용하여 언더샘플링된 측정값에서 동적 MR 이미지를 재구성합니다. 라이브러리에는 위에 지정된 요구 사항 외에도 CUDNN이 필요합니다.

용법:

 파이썬 main_3d.py --acceleration_factor 4

---

3. Convolutional Recurrent Neural Networks를 이용한 동적 재구성

컨볼루셔널 순환 신경망(Convolutional Recurrent Neural Networks)을 사용하여 언더샘플링된 측정값에서 동적 MR 이미지를 재구성합니다. 이는 Torch 0.4가 필요한 pytorch 구현입니다.

용법:

 파이썬 main_crnn.py --acceleration_factor 4

---

인용 및 감사의 글

작업에 코드를 사용하거나 코드가 유용하다고 생각되면 다음 작업을 인용해 주세요.

2D 재구성:

 Schlemper, J., Caballero, J., Hajnal, JV, Price, A., & Rueckert, D. MR 이미지 재구성을 위한 컨볼루셔널 신경망의 심층 캐스케이드. 의료 영상의 정보 처리(IPMI), 2017

---

이 논문은 arXiv에서도 볼 수 있습니다: <https://arxiv.org/pdf/1703.00555.pdf>

동적 재구성:

 Schlemper, J., Caballero, J., Hajnal, JV, Price, A., & Rueckert, D. 동적 MR 이미지 재구성을 위한 컨볼루셔널 신경망의 심층 캐스케이드. ArXiv 1704.02422

---

이 논문은 arXiv에서도 볼 수 있습니다: <https://arxiv.org/pdf/1704.02422.pdf>

CRNN을 사용한 동적 재구성:

 Qin, C., Schlemper, J., Caballero, J., Hajnal, JV, Price, A., & Rueckert, D. 동적 MR 이미지 재구성을 위한 컨볼루셔널 순환 신경망. 의료 영상에 관한 IEEE 거래(2018).

---

이 논문은 arXiv에서도 볼 수 있습니다: <https://arxiv.org/pdf/1712.01751.pdf>