Dénormalisation de l'imagerie par résonance magnétique volumique utilisant un réseau de neurones convolutionnels tridimensionnels multi-canaux avec des applications sur des acquisitions en écho de spin rapide.

L'imagerie par résonance magnétique tridimensionnelle (IRM 3D) peut être acquise avec une haute résolution spatiale tout en étant reformatée dans des plans arbitraires, mais au prix d'un rapport signal-bruit réduit. Les méthodes d'apprentissage profond sont prometteuses pour la dénormalisation en IRM. Cependant, les réseaux de neurones convolutionnels (CNN) de dénormalisation 3D existants s'appuient soit sur un réseau bidimensionnel (2D) multi-canaux, soit sur un réseau 3D à canal unique avec une capacité limitée d'extraction de caractéristiques de haute dimension. Nous visons à développer une approche d'apprentissage profond basée sur la convolution 3D multi-canaux pour utiliser l'information de bruit inhérente intégrée dans un nombre multiple d'acquisitions d'excitation (NEX) pour la dénormalisation de l'IRM FSE 3D.