【摘 要】磁共振（MR）是一种被广泛使用的医学成像方式。针对某些序列的 MR 影像不易直接获得、需要由其他序列的MR影像转换的问题，提出一种基于细节增强的MR序列转换方法。该方法基于条件生成对抗网络构建了残差模板合成模块 ResGAN和细节增强合成模块 EnGAN，设计了一种端到端的网络结构。在一组配准过的神经纤维瘤T1序列影像和STIR序列影像上进行了测试，结果表明，相比于现有方法，提出的方法更好地还原了边界细节和信号强度细节。
【关键词】磁共振序列转换 ; 生成对抗网络 ; 医学影像处理
1.引言
磁共振（magnetic resonance，MR）成像是利用原子核在磁场内产生的信号重建成像的一种影像技术。生成的MR影像在医疗诊断上有着广泛的应用，例如评估人体肿瘤病变，包括骨骼、软组织肿瘤和神经纤维瘤。而MR本身又有多种成像方式（如 T1、T2、STIR、T1-W-CEFS 等），其区别在于特征的呈现方式不同。例如，在 T1 序列上，水分子呈现的是黑色；在 T2 序列上，水分子呈现的是白色；在 STIR 序列上，脂肪的信号在成像时被抑制，因而呈现黑色。因此，同一区域的组织在不同成像方式中会显示出不同的对比形态。即各种成像方式都存在侧重点。T1 序列在提供解剖细节方面优于STIR序列，因而被应用于脊骨髓的诊断等。而在进行肿瘤病变的判断上，许多放射科医生通常会使用 STIR 序列来评估结果，因为肿瘤病变在STIR序列上比在T1序列上更明显。
综合多种序列的MR数据，以呈现出不同的对比效果是一个被广泛研究的课题。例如用多种序列的 MR 影像对阿尔茨海默病和先天性心脏病进行基本的诊断和研究。但