22、深度学习方法在医学影像重建与西班牙语情感分析中的应用

深度学习方法在医学影像重建与西班牙语情感分析中的应用

医学影像重建部分

在医学影像领域，为了模拟患者移动在图像中产生的效果，研究中使用了高斯模糊滤波器。在二维情况下，其表达式为：
[G_{xy} = \frac{1}{2\pi\sigma^2} e^{-\frac{x^2 + y^2}{2\sigma^2}}]
其中，(x) 是水平轴上距原点的距离，(y) 是垂直轴上距原点的距离，(\sigma) 是高斯分布的标准差。图 1 展示了在磁共振（MR）图像中二次采样和高斯模糊的效果示例。

为了进行对比研究，提出了两种实验方案：
- 方案一 ：用于从二次采样过程引起的混叠效应中进行图像重建。该方案基于 [7] 中提出的方案，主要由深度学习框架和 k 空间校正两部分组成。具体步骤如下：
1. 对二次采样数据的未测量区域进行零填充。
2. 通过逆傅里叶变换并取绝对值，得到折叠图像。
3. 将折叠图像作为预训练网络的输入，网络恢复 k 空间数据的零填充部分。
4. 进行傅里叶变换，用原始 k 空间数据替换未填充部分，以保留原始测量数据。
5. 最后通过逆傅里叶变换并取绝对值得到输出图像。
- 方案二 ：通过对原始图像进行高斯滤波来模拟模糊效果，滤波后的图像作为预训练深度学习模型的输入，网络输出即为重建图像。

实验中使用的深度学习框架有：
- Unet 卷积网络 ：作为主要基线，最初用于医学图像分割。其架构由收缩（编码器）和扩展两部分组成，编码器用于捕获图像上下文，通过卷积层和最大池