近年,深度学习技术在磁共振(magnetic resonance,MR)图像重建领域飞速发展。 然而,由 于有监督的 MR 图像重建方法所依赖的高质量配对 MR 数据难以获取,无监督的 MR 图像重建方法逐 渐成为了研究者们关注的重点,并展现出巨大的应用前景。 当前关于此类问题的研究层出不穷,但仍缺 乏系统性的归纳和分析。 为此,本文综述了无监督 MR 图像重建方法的研究进展。 首先,本文对无监督 的 MR 图像重建方法进行了总结,无监督的 MR 图像重建方法能够从图像域或 K 空间域数据学习先验 信息,实现在缺少配对数据情况下的 MR 图像重建;其次,本文根据学习先验信息的作用域的不同,将这 些方法分为基于 K 空间域、基于图像域和基于混合域的无监督 MR 图像重建方法,并重点对各类方法的 算法模型和实现流程进行了详细的介绍。 最后,本文对无监督 MR 图像重建领域的进展和各类方法的 特点进行了较为全面的总结,并对未来的发展方向进行了展望,以期为实现无监督 MR 图像重建提供思 路和参考,并促进 MR 成像的临床应用。
|