《表2 不同欠采样下不同方法的重建精度》
为了验证所提出算法的有效性,实验使用深度级联卷积神经网络(deep cascade of convolutional neural networks,DC-CNN)[15]、混合卷积神经网络(hybrid,dual domain,cascade of convolutional neural networks,H-CNN)算法[17]和卷积循环神经网络(convolutional recurrent neural networks,CRNN)算法[14]进行比较。其中DC-CNN是基于深度学习的迭代重建算法,H-CNN是基于k-空间与图像域的混合卷积神经网络。这两个算法基于单幅MRI切片的重建算法,没有使用相邻切片间的数据冗余关系。CRNN与本文的DICNN是基于MRI序列的重建算法。表2显示了不同算法在不同欠采样模式下的三折交叉验证结果。
图表编号 | XD00200912200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 杜年茂、宋威 |
绘制单位 | 江南大学人工智能与计算机学院、江南大学人工智能与计算机学院 |
更多格式 | 高清、无水印(增值服务) |