澳门金沙娱乐城-澳门金沙娱乐场_澳门百家乐官网_全讯网新2开户 (中国)·官方网站

本網(wǎng)訊（信息工程學(xué)院）日前，醫(yī)學(xué)成像領(lǐng)域頂級期刊IEEE Transactions on Medical Imaging（中科院大類一區(qū)Top期刊，IF：11.037）上刊登發(fā)表了我校信息工程學(xué)院成像與視覺表示課題組的論文“One-shot Generative Prior in Hankel-k-space for Parallel Imaging Reconstruction”。論文第一作者是信息工程學(xué)院2020級通信工程專業(yè)碩士研究生彭鴻和數(shù)學(xué)與計算機學(xué)院2021級計算機科學(xué)與技術(shù)專業(yè)碩士研究生江晨，指導(dǎo)老師為信息工程學(xué)院張明輝教授、劉且根教授和合作單位中國科學(xué)院深圳先進技術(shù)研究院王珊珊研究員、梁棟研究員等。

該工作提出了一種單樣本原始采集數(shù)據(jù)域生成學(xué)習(xí)的快速成像重建新思路。近些年來，雖然以深度學(xué)習(xí)為核心的各種人工智能方法在提升醫(yī)學(xué)成像速度方面取得可喜進展，但它們往往需要以提供大量高質(zhì)量、可學(xué)習(xí)的數(shù)據(jù)集為前提。然而，在醫(yī)學(xué)領(lǐng)域獲取此類的大數(shù)據(jù)集非常困難或代價很大。為減少對大數(shù)據(jù)集的依賴，該工作從原始采集多通道數(shù)據(jù)的Hankel展開會得到大量具有冗余特征、帶低秩結(jié)構(gòu)的數(shù)據(jù)這一現(xiàn)象出發(fā)，創(chuàng)新性地提出在Hankel數(shù)據(jù)域中多個切分形成的數(shù)據(jù)集里進行深度生成學(xué)習(xí)的策略，從而實現(xiàn)了在單樣本下物理約束生成學(xué)習(xí)的重建理論和方法。

文章鏈接：https://ieeexplore.ieee.org/document/10158730

圖1：三種思路的對比：（a）經(jīng)典單樣本物理約束的重建思路；（b）大樣本數(shù)據(jù)學(xué)習(xí)的重建思路；（c）本文所提單樣本下物理約束生成學(xué)習(xí)的重建思路

近三年，信息工程學(xué)院成像與視覺表示課題組在探索深度生成學(xué)習(xí)機制與磁共振快速成像領(lǐng)域取得持續(xù)進展。系列成果先后發(fā)表在醫(yī)學(xué)圖像分析（Med.Image Anal.,IF: 13.828)、醫(yī)學(xué)成像（IEEE Trans. Med. Imag.，IF: 11.037；Magn. Reson. Med.,IF: 3.8）和神經(jīng)計算（Neurocomputing.,IF: 5.779）等權(quán)威期刊。形成了三個成體系的系列進展：從去噪自編碼到生成模型的學(xué)習(xí)機理研究、從圖像域到原始采集數(shù)據(jù)域生成學(xué)習(xí)的學(xué)習(xí)對象研究、從大數(shù)據(jù)深度生成學(xué)習(xí)到小樣本生成學(xué)習(xí)的學(xué)習(xí)方式研究。逐步發(fā)展了高精度、魯棒型的深度生成學(xué)習(xí)快速成像理論和技術(shù)體系。

成果鏈接：https://github.com/yqx7150/Diffusion-Models-for-Medical-Imaging

圖2：去噪自編碼到生成模型的學(xué)習(xí)機理系列研究

圖3：從圖像域到原始采集數(shù)據(jù)域生成學(xué)習(xí)的學(xué)習(xí)對象研究

編    輯：程慧萍

責(zé)任編輯：涂金鳳