[发明专利]一种基于卷积神经网络的多对比度磁共振图像重建方法

说明书

一种基于卷积神经网络的多对比度磁共振图像重建方法，涉及磁共振成像。首先获取多对比度磁共振的低分辨率和高分辨率图像，然后建立多对比度磁共振图像重建的卷积神经网络模型，再利用多对比度的磁共振图像作为训练集对卷积神经网络进行训练，最后将低分辨率的磁共振图像以及对应的参考图像输入到网络来重建高分辨率的磁共振图像。这种通过深度学习利用多对比度图像之间结构相似性的图像重建方法具有重建速度快和重建效果好的特点。

技术领域

本发明涉及磁共振成像，尤其是涉及利用多对比度图像来提高超分辨率重建的质量以及利用绝对值正则化和基于自适应矩估计的梯度优化算法来加快训练卷积神经网络收敛速度措施的一种基于卷积神经网络的多对比度磁共振图像重建方法。

背景技术

磁共振成像(Magnetic Resonance Imaging,MRI)是医学临床检测的一种影像技术，具有非侵入、无损伤等特点，是重要的临床医学诊断工具。

在临床诊断和后期图像分析中，通常需要高分辨率的MRI图像。但是，高分辨率的MRI成像时间较长，在心脏等需要快速成像的情况下，容易引起运动伪影进而降低成像质量。在不改变硬件条件的情况下，一种能够有效减少MRI扫描时间并得到高分辨率图像的方法就是超分辨率技术。Dong等人提出了一个用于自然图像的超分辨率重建问题的卷积神经网络模型(Chao Dong,Chen Change Loy,Kaiming He,Xiaoou Tang.Image super-resolution using deep convolutional networks[J].IEEE Transactions on PatternAnalysis and Machine Intelligence,38:295-307,2016)。该模型通过学习低分辨率和高分辨率图像的样本库，得到低分辨率和高分辨率图像之间的映射关系，然后进行图像超分辨率重建。Qu等人提出了一种学习多对比度图像的自相似结构的MRI图像重建方法(XiaoboQu,YingkunHou,Fan Lam,Di Guo,JianhuiZhong,Zhong Chen.Magnetic resonance imagereconstruction from undersampled measurements using a patch-based nonlocaloperator[J],Medical Image Analysis,18:843-856,2014.)。Lai等人利用MRI通常需要采集多对比度图像的特点，以其中一种对比度图像作为参考图像，得到了更好的重建图像质量(Zongying Lai,Xiaobo Qu,Hengfa Lu,Xi Peng,Di Guo,Yu Yang,Gang Guo,ZhongChen,Sparse MRI reconstruction using multi-contrast image guided graphrepresentation[J],Magnetic Resonance Imaging,43:95-104,2017.)。Zheng等人提出了一种利用局部权值相似性的多对比度磁共振脑图超分辨率方法，也是利用了参考图像提升了重建质量(Hong Zheng,Xiaobo Qu,Zheng-Jian Bai,Yunsong Liu,Di Guo,JiyangDong,Xi Peng,Zhong Chen,Multi-contrast brain magnetic resonance image super-resolution using the local weight similarity[J],BMC Medical Imaging,DOI:10.1186/s12880-016-0176-2,2017.)。Kingma D等人提出了一种自适应矩估计的梯度优化算法，该算法根据各参数梯度的一阶矩估计和二阶矩估计为参数提供更新值，具有计算效率高、收敛速度快等特点，适合数据和参数较多的函数优化问题(Kingma D,Ba J.Adam:Amethod for stochastic optimization[J].arXiv:1412.6980,2014.)。

发明内容