كاهش نويز و بازسازي تصاوير MRI با استفاده از شبكه عصبي پيچشي

اصفهان : دانشگاه صنعتي اصفهان

رياضي كاربردي

كارشناسي ارشد

سنجش فشرده تصوير بردارى تشديد مغناطيسى (CS - MRI) امكان كاهش زمان جمع آورى داددها را فراهم مىكند. روشهاي سنتي CS - MRI مبتنى بر تكرار در مدل سازى انعطاف پذير هستند. با اين حال اجراى اين روشها معمولا زمانبر است. به تازگي روش هاي شبكه عصبي عميق به دليل كارايي بالا در CS - MRI محبوب شده اند. با اين حال، روش يادگيري عميق فاقد انعطاف پذيرى در تطبيق با داده هاى جديد است. اين امر به تصاوير آموزشى و روش اسكن داده هاي فضاي K (فضاي داده هاي خام) بيش از حد بستگي دارد. در اين پايان نامه، يك روش تكرارى (IDPCNN) براي بازسازي تصاوير MRI بررسي شده است كه مزاياي هر دو روش سنتي و روشهاي يادگيري عميق را تركيب ميكند و بازسازي سريع، انعطاف پذير و دقيقى دارد. روش IDPCNN شامل دو مرحله است: كاهش نويز و تصويرسازي. مرحله كاهش نويز از يك كاهنده نويز سطح بالا براى هموار كردن تصوير استفاده مىكند. مرحله تصويرسازى، اطلاعات قبلي از حوزہ فركانس را بررسي مي كند و جزئيات را به طور تكراري به حوزه فضايي اضافه ميكند. كيفيت بازسازي نسبت به بهترين روش هاي بازسازى MRI تحت ماسكها و نرخهاي مختلف نمونه بردارى برتر است. ثبات، سرعت و كيفيت بازسازي خوب به اين معني است كه IDPCNN پتانسيل كاربردهاي باليني گسترده را دارد.

235766

علوم داده

رياضي

دانشگاه صنعتي اصفهان