DSFNet: Deep Fusion Parallel MRI Reconstruction Based on SPIRiT and Complex Convolution

DSFNet：基于SPIRiT和复数卷积的深度融合并行磁共振重建算法

段继忠，任新民，陈盛毅

（昆明理工大学 信息工程与自动化学院，昆明 650500）

摘要：数据采集时间长是磁共振成像的固有缺点。为了加快磁共振成像的数据采集速度，就需要进行欠采样，而欠采样会造成成像质量低下。为提高重建图像的质量，基于迭代自一致性并行成像重建（SPIRiT）和复数卷积神经网络提出了一种深度SPIRiT融合网络（DSFNet）。具体来说，DSFNet模型首先将SPIRiT算法用于对欠采样的k空间数据进行重建，再将具有密集连接的级联复数卷积神经网络用于对校准后的k空间数据进行进一步重建；在k空间和图像域均使用数据一致性层对图像进行保真，最后将两部分重建得到的幅度图像通过基于序列化模型的贝叶斯优化融合模块按一定比例进行融合。在不同的膝盖成像数据集及不同的欠采样模式下进行实验验证。实验结果表明：DSFNet模型相比于SPIRiT、Deepcomplex和DONet模型，在视觉效果、峰值信噪比和结构相似度方面均有明显提高。

关键词：并行磁共振成像，复数卷积神经网络，迭代自一致性并行成像重建，基于序列化模型的贝叶斯优化

点击分享码全文pdf浏览：https://rdcu.be/dYan0

Duan, J., Ren, X. & Chen, S. DSFNet: Deep Fusion Parallel MRI Reconstruction Based on SPIRiT and Complex Convolution. J. Shanghai Jiaotong Univ.(Sci.) (2024). https://doi.org/10.1007/s12204-024-2778-0

《上海交通大学学报（英文版）》是由教育部主管、上海交通大学主办的自然科学综合性学术期刊，被 EI、Scopus等检索系统收录。主要刊登反映基础理论和工程领域实验研究的最新成果，如电子工程和自动化、计算机和通信工程、船舶海洋和建筑工程、材料科学与工程以及生物医学工程等。从 2021 年开始，《上海交通大学学报（英文版）》主要刊登医工交叉研究和人工智能及其在工程中的应用成果。 

英文版主页：https://xuebao.sjtu.edu.cn/sjtu_en/EN/1007-1172/home.shtml

英文版 on Springer：https://link.springer.com/journal/12204