基于复数卷积和注意力机制的并行磁共振成像重建

作     者：段继忠 肖琛 DUAN Jizhong;XIAO Chen

作者机构：昆明理工大学信息工程与自动化学院昆明650500 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2025年第51卷第1期

页      面：85-93页

核心收录：

学科分类：1001[医学-基础医学(可授医学、理学学位)] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：国家自然科学基金地区科学基金项目(61861023) 

主　　题：并行磁共振成像 图像重建 深度学习 复数卷积网络 注意力机制 

摘      要：针对并行磁共振成像的重建,提出深度复数注意力网络(DCANet)模型。根据磁共振成像数据的复数性质,该模型使用复数卷积替换常规实数卷积;由于并行磁共振成像的数据中每个线圈获取到的数据有所不同,该模型还使用逐通道的注意力机制来重点关注有效特征较多的通道;该模型使用数据一致性层保留采样过程中的原始数据,最终形成级联网络。使用3个不同的采样模式对2个不同磁共振成像数据序列进行实验,实验结果表明:DCANet模型具有较好的重建效果,能够获得更高的峰值信噪比(PSNR)和结构相似性指数(SSIM),以及更低的高频误差范数(HFEN),其中,PSNR相比磁共振成像级联通道注意力网络(MICCAN)、Deepcomplex、双倍频网络(DONet)这3种模型平均分别提高了4.52 dB、2.30 dB和1.21 dB。