摘要
本发明提出了一种基于ADMM‑CNN的压缩感知核磁共振成像重构方法,用以解决在MRI成像原理的限制下,MRI成像过程速度较慢而产生运动伪影、分辨率失真,MRI成像无法提供准确的病理信息的技术问题。步骤为:根据压缩感知理论将重建图像过程转化为优化问题,利用ADMM算法求解优化问题的迭代解;将求解的优化问题的迭代解对应CNN网络的三部分;把优化问题的辅助变量的子问题转化为去噪模型;通过现有的训练好的CNN去噪算法求解去噪模型,得到优化问题的辅助变量的子问题的解;构建训练样本集,训练CNN网络的参数,得到重构的图像。本发明可以在不产生明显伪影的情况下,获得更好的恢复效果,视觉效果更好,失真更小。
技术关键词
成像重构方法
ADMM算法
变量
去噪模型
压缩感知理论
噪声图像
正则化参数
训练样本集
深度卷积神经网络
拉格朗日
离散小波变换
矩阵
采样率
残差学习
系统为您推荐了相关专利信息
蓄电池组运行状态
采集单元
充放电次数
神经网络模型
中间层
雷达系统参数
粒子群优化算法
发射机
成像方法
表达式
优化设计方法
机器学习模型
变量
样本
拉丁超立方抽样