| 摘 要： | 磁共振成像（MRI）因其无创伤和较高的软组织对比度而被广泛地用于复杂疾病诊断。目前多通过在k空间高倍欠采样磁共振（MR）信号解决MRI速度较慢的问题,然而代表性算法重建高倍欠采样的MR图像时往往存在细节模糊的问题。因此,提出一种基于残差图卷积神经网络（RGCNET）的高倍欠采样MR图像重建算法。首先,使用自编码技术与图卷积神经网络（GCN）构建生成器;其次,将欠采样图像输入特征提取（编码）网络中从底层提取特征;接着,通过GCN块提取MR图像的高层特征;然后,通过解码网络生成初始的重建图像;最后,经过生成器和鉴别器的动态博弈得到最终的高分辨率重建图像。在FastMRI数据集上的测试结果表明,与基于空间正交注意力机制的MRI重建算法SOGAN(Spatial Orthogonal attention Generative Adversarial Network)相比,在10%、20%、30%、40%和50%的采样率下,所提算法在标准均方根误差（NRMSE）指标上分别下降了3.5%、26.6%、23.9%、13.3%和14.3%,在峰值信噪比（PSNR）指标上分别提升了1.2%、8.7%、6...
|
