Deep MRI Reconstruction

用於 MR 影像重建的捲積神經網路和卷積循環神經網路的深度級聯

---

使用深度級聯卷積神經網路 (DC-CNN) 和卷積循環神經網路 (CRNN-MRI) 根據欠採樣測量結果重建 MR 影像。該儲存庫包含使用 Theano 和 Lasagne 的 DC-CNN 的實現，以及使用 PyTorch 的 CRNN-MRI 的實現，以及簡單的演示。請注意，該程式庫需要 Lasagne 和 Theano 的開發版本，以及使用 CUFFT 程式庫的 pygpu 後端。 PyTorch 版本需要高於 Torch 0.4。有些玩具資料集借自<http://mridata.org>。

1. 2D 重建

用法：

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

---

2.動態重建

使用具有資料共享層的 DC-CNN 根據欠採樣測量重建動態 MR 影像。請注意，除了上面指定的要求之外，該庫還需要 CUDNN。

用法：

 python main_3d.py --acceleration_factor 4

---

3. 使用卷積遞歸神經網路進行動態重建

使用卷積遞歸神經網路根據欠採樣測量重建動態 MR 影像。這是需要 Torch 0.4 的 pytorch 實作。

用法：

 python main_crnn.py --acceleration_factor 4

---

引用和致謝

如果您在工作中使用該程式碼，或者您發現該程式碼有用，請引用以下作品。

二維重建：

 Schlemper, J.、Caballero, J.、Hajnal, JV、Price, A. 和 Rueckert, D. 用於 MR 影像重建的捲積神經網路的深度級聯。醫學影像資訊處理 (IPMI)，2017

---

論文也可以在 arXiv 找到：<https://arxiv.org/pdf/1703.00555.pdf>

動態重建：

 Schlemper, J.、Caballero, J.、Hajnal, JV、Price, A. 和 Rueckert, D. 用於動態 MR 影像重建的捲積神經網路深度級聯。 ArXiv 1704.02422

---

論文也可以在 arXiv 找到：<https://arxiv.org/pdf/1704.02422.pdf>

使用 CRNN 進行動態重建：

 Qin, C.、Schlemper, J.、Caballero, J.、Hajnal, JV、Price, A. 和 Rueckert, D. 用於動態 MR 影像重建的捲積循環神經網路。 IEEE 醫學影像交易 (2018)。

---

論文也可以在 arXiv 找到：<https://arxiv.org/pdf/1712.01751.pdf>