《表2 不同欠采样下不同方法的重建精度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度迭代卷积神经网络的快速脑部MRI重建算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。