Deep MRI Reconstruction

Глубокий каскад сверточных нейронных сетей и сверточных рекуррентных нейронных сетей для реконструкции МР-изображений

---

Восстановите изображения MR на основе измерений с недостаточной выборкой, используя глубокий каскад сверточных нейронных сетей (DC-CNN) и сверточных рекуррентных нейронных сетей (CRNN-MRI). Этот репозиторий содержит реализацию DC-CNN с использованием Theano и Lasagne и CRNN-MRI с использованием PyTorch, а также простые демонстрации. Обратите внимание, что для библиотеки требуется версия Lasagne и Theano для разработчиков, а также серверная часть pygpu для использования библиотеки CUFFT. Версия PyTorch должна быть выше Torch 0.4. Часть набора данных игрушек заимствована с .

1. 2D-реконструкция

Использование:

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

---

2. Динамическая реконструкция

Восстановите динамические МР-изображения на основе измерений с недостаточной выборкой с помощью DC-CNN со слоем обмена данными. Обратите внимание, что библиотеке требуется CUDNN в дополнение к требованию, указанному выше.

Использование:

 python main_3d.py --acceleration_factor 4

---

3. Динамическая реконструкция с использованием сверточных рекуррентных нейронных сетей.

Восстановите динамические МР-изображения на основе измерений с недостаточной выборкой с помощью сверточных рекуррентных нейронных сетей. Это реализация Pytorch, требующая Torch 0.4.

Использование:

 python main_crnn.py --acceleration_factor 4

---

Цитирование и признание

Если вы используете код в своей работе или считаете его полезным, процитируйте следующие работы.

2D-реконструкция:

 Шлемпер Дж., Кабальеро Дж., Хайнал Дж. В., Прайс А. и Рюкерт Д. Глубокий каскад сверточных нейронных сетей для реконструкции МР-изображений. Обработка информации в медицинской визуализации (IPMI), 2017 г.

---

Этот документ также доступен на arXiv:

Динамическая реконструкция:

 Шлемпер Дж., Кабальеро Дж., Хайнал Дж. В., Прайс А. и Рюкерт Д. Глубокий каскад сверточных нейронных сетей для динамической реконструкции МР-изображений. АрXiv 1704.02422

---

Этот документ также доступен на arXiv:

Динамическая реконструкция с использованием CRNN:

 Цинь К., Шлемпер Дж., Кабальеро Дж., Хайнал Дж. В., Прайс А. и Рюкерт Д. Сверточные рекуррентные нейронные сети для динамической реконструкции МР-изображений. Транзакции IEEE по медицинской визуализации (2018 г.).

---

Этот документ также доступен на arXiv: