基于注意力残差UNet和加速非均值滤波的低场弥散加权成像Ghost伪影综合处理方法
徐扬1
韦静2
Kim Siseung2
Zhang Huiyao2
Li Bingkeong2
1.江苏力磁医疗设备有限公司,江苏 222000;佛山大学 机电工程与自动化学院,佛山 5280002.江苏力磁医疗设备有限公司,江苏 222000
摘要：针对低场(<1T)磁共振成像(MRI)系统弥散加权成像(DWI)中,因相位编码误差引发的N/2 Ghost伪影问题,本研究提出了融合深度学习与优化滤波的综合处理方法去除Ghost伪影,提升图像质量.首先,构建集成密集残差连接与注意力门机制的AR-UNet模型,通过特征复用与动态权重分配,实现颅脑解剖结构的精准分割;然后,基于边缘约束的加速非局部均值滤波(SCNLM)提升模型计算效率.结果表明,模型的平均Dice相似系数、精准率和特异性分别达到了 0.932 1、0.943 6 和0.943 0;SCNLM可在保持峰值信噪比 29.50 dB与结构相似性 0.88 的前提下,将传统NLM算法的计算效率提升约 50%.本研究能有效去除低场MRI系统中的Ghost伪影,并显著提升图像质量.
关键词：低场磁共振弥散加权成像Ghost伪影注意力残差UNet加速非局部均值滤波
分类号：R318(医用一般科学)R445.2(诊断学)TP391.41(计算技术、计算机技术)TP18(自动化基础理论)
资助基金：江苏省重点研发计划(社会发展)专项基金项目(BE2021682)
论文发表日期：2025-06-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：8( 162-169 )
英文信息