近日，国际信息与软件学院几何计算与智能媒体技术团队在医疗核磁图像重构领域的研究工作取得新进展。刘日升教授、硕士毕业生张宇夕（现任职于海康威视）、博士毕业生程世超（现任教于杭州电子科技大学）、罗钟铉教授和樊鑫教授（通讯作者）共同完成研究成果“A Deep Framework Assembling Principled Modules for CS-MRI: Unrolling Perspective, Convergence Behaviors, and Practical Modeling”被医学图像分析领域的国际顶级学术期刊IEEE Transactions on Medical Image（TMI）录用。IEEE TMI由IEEE信号处理学会主办，是医学成像领域公认的顶级期刊。

在医学领域的压缩感知核磁共振图像重构问题上，最近的深度学习技术利用领域知识和可用数据构建混合范式，然而深度先验的加入破坏了现有的理论特性（尤其是收敛性），数据驱动的预测器无法保证遵循领域知识的约束来进行重建，其重建过程的可靠性值得怀疑。

图1

如图1所示，在基于最新深度学习方法的重构示例中，圈出的解剖结构错误地出现了伪像。因此，没有理论上的保证，医学研究和临床诊断都难以相信重建过程。面对以上挑战，该研究团队提出了具有收敛性理论保证的深度学习与传统优化相结合的求解框架。相关研究工作“A Theoretically Guaranteed Deep Optimization Framework for Robust Compressive Sensing MRI”，被CCF A类会议AAAI Conference on Artificial Intelligence (AAAI’19)录用。该研究团队进一步提出了通用的深度模块组装框架，以有效可靠地解决非凸和非光滑的CS-MRI模型。

图2

如图2所示，该框架根据一阶最优条件建立了一种自动反馈机制，以拒绝来自嵌入式深度架构的不正确预测，引导深度迭代收敛到原始能量最佳值。该研究团队定制了三个扩展，以处理实际情况中复数数据，并行成像和Rician噪声污染的情况。三个实际任务上的大量实验结果表明，所提出的框架在重建精度和效率以及对噪声污染的鲁棒性方面均优于最新技术。

相关简介

几何计算与智能媒体技术研究团队隶属于大连理工大学国际信息与软件学院，研究领域主要包括深度学习理论，视觉与媒体计算，网络安全与大数据隐私保护，嵌入式软硬件协调设计，电子设计自动化等。团队近3年来已经在IEEE TPAMI、TCAD、TIP、TNNLS、TCSVT、TMM、TPDS、ICML、NeurIPS、IJCAI、AAAI、CVPR、ICCV、ECCV、ACM MM、DAC等领域重要期刊及会议上发表论文达140余篇。研究所在科学研究的基础上，还面向国家重大战略需求，如开展全天候车载多波段立体视觉感知单元研发，在国防重大项目实物竞标中取得第一名；开展水下目标抓取机器人研发，连续多次获得国家基金委主办水下机器人大赛冠军等。

责任编辑：潘树孟