TY -的A2 Chuzhanova Nadia a .赵盟-迪盟——黄,Yanhu盟——赵,冯盟——秦Binyi盟——郑Jincun PY - 2021 DA - 2021/01/22 TI - Reference-Driven Undersampled先生使用小波图像重建Sparsity-Constrained深空图像之前SP - 8865582六世- 2021 AB -深度学习显示潜力显著改善性能Undersampled磁共振(MR)图像重建。然而,面临的一个挑战深度学习临床的应用场景的需求大,高质量的基于网络训练数据集。在本文中,我们提出一种新颖的基于深度学习undersampled MR图像重建方法,它不需要训练的过程和训练数据集。拟议中的reference-driven方法使用小波sparsity-constrained深度图像之前(RWS-DIP)是基于倾斜框架,从而减少了数据集的依赖。此外,RWS-DIP探索,介绍了结构和稀疏先验到网络学习提高学习的效率。采用高分辨率的参考图像作为网络输入,RWS-DIP包含结构信息进入网络。RWS-DIP还使用小波稀疏进一步丰富传统浸渍通过制定的隐式正规化训练网络参数的约束优化问题,解决了采用交替方向法的乘数(小组ADMM)算法。实验 在活的有机体内MR扫描表明,RWS-DIP方法可以更准确地重建图像先生从undersampled和保护特性和纹理 k 讨论测量。SN - 1748 - 670 - 2021/8865582 / 10.1155 x你——https://doi.org/10.1155/2021/8865582——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER