Çoklu kontrastlı manyetik rezonans görüntülerinin (MRG) edinimi, tanı bilgi birikimini artırarak klinik tanıda önemli bir role sahiptir. Hastanın hareketsiz kalması gereken uzun tetkik süreleri, çoklu kontrast MRG edinimini sınırlandırmaktadır. Görüntülerin alt örneklenerek toplanması ve geriçatımı ile tarama süreleri kısaltılabilmektedir. Yaygın yöntemler, tek kontrasta ait alt örneklenmiş MR görüntülerinden aynı kontrasta ait tam örneklenmiş MR görüntüsü üretmektedir. Ancak girdi verisindeki tek kontrastlı MR görüntüsüne ait sınırlı bilgiler, geriçatım performansını sınırlandırmaktadır. Bu yüzden, çoklu kontrast MRG girdi verilerinin kullanımı ile geriçatım performansı artırılabilir. Bu çalışma kapsamında, birden fazla kontrasta ait alt örneklenmiş görüntülerden, tam örneklenmiş görüntüleri eş zamanlı olarak üreten bir çoklu kontrast MRG geriçatım yöntemi önerilmiştir. Önerilen yöntem, yüksek frekans değerlerini daha iyi tahmin ederek oldukça gerçekçi görüntüler üreten çekişmeli üretici ağlar kullanılarak uygulanmıştır. Önerilen yöntem, çoklu kontrast beyin MR görüntüleri içeren verisetinde test edilmiş, sayısal ve görsel değerlendirmeler sonucunda alternatif tekli kontrast geriçatım yöntemine göre daha üstün performans sağladığı kanıtlanmıştır.

The acquisition of multiple contrast magnetic resonance images (MRI) has an important role in clinical diagnosis by increasing diagnostic knowledge. Long scanning durations, in which the patient must remain immobile, limits the acquisition of multiple contrast MRIs. Scanning times can be reduced by undersampled acquisitions and reconstruction of undersampled images. Common methods produce a fully sampled MR image of a single contrast from undersampled MR image of the same contrast. However, limited prior information of a single contrast MR image in the input data limits the reconstruction performance. Hence, reconstruction performance can be increased with the use of multiple contrast MRI as input data. In this study, a multi-contrast MRI reconstruction method is proposed which simultaneously produces fully sampled images from undersampled images of more than one contrast. This method is applied using generative adversarial network that produce highly realistic images by better recovering the high frequency details. The proposed method has been tested on a dataset containing multiple contrast brain MR images, and it has been demonstrated that it provides superior performance compared to the alternative single contrast reconstruction method as a result of numerical and visual evaluations.