[发明专利]基于深度学习的大视野磁共振扫描图像重建方法和装置

权利要求书

1.一种基于深度学习的大视野磁共振扫描图像重建方法，其特征在于，所述方法包括：

获取大视野磁共振扫描图像，其中，所述磁共振扫描图像为欠采样的扫描图像；

将所述磁共振扫描图像输入预先构建的深度神经网络模型中；

通过所述深度神经网络模型，对所述磁共振扫描图像进行重建，得到所述欠采样的扫描图像对应的高分辨率图像；

其中，所述神经网络模型包括N个第一残差块和M个第二残差块，每个第一残差块包含多层卷积层，每个第二残差块包含第一卷积层和第二卷积层，并且第一卷积层的输出经由所述N个第一残差块后，传递至第二卷积层，N和M为正整数；

其中，按照如下方式构建所述深度神经网络模型：

获取全采样样本图像；

对所述全采样样本图像进行欠采样处理，得到欠采样样本图像；

将所述欠采样样本图像作为训练样本，将所述全采样样本图像作为标签，对预先建立的神经网络进行训练，得到所述深度神经网络模型；

其中，获取全采样图像包括：

通过低倍欠采因子从磁共振扫描仪采集图像；

对采集的图像进行预处理，其中，所述预处理包括以下至少之一：选图处理、归一化处理；

将预处理后的图像作为所述全采样图像；

其中，所述磁共振扫描图像为大视野头颈一体化欠采样图像。

2.根据权利要求1所述的方法，其特征在于，N为5，M为1。

3.一种基于深度学习的大视野磁共振扫描图像重建装置，其特征在于，包括：

获取模块，用于获取大视野磁共振扫描图像，其中，所述磁共振扫描图像为欠采样的扫描图像；

输入模块，用于将所述磁共振扫描图像输入预先构建的深度神经网络模型中；

重建模块，用于通过所述深度神经网络模型，对所述磁共振扫描图像进行重建，得到所述欠采样的扫描图像对应的高分辨率图像；

其中，所述神经网络模型包括N个第一残差块和M个第二残差块，每个第一残差块包含多层卷积层，每个第二残差块包含第一卷积层和第二卷积层，并且第一卷积层的输出经由所述N个第一残差块后，传递至第二卷积层，N和M为正整数；

其中，还包括：

构建模块，用于按照如下方式构建所述深度神经网络模型：获取全采样样本图像；对所述全采样样本图像进行欠采样处理，得到欠采样样本图像；将所述欠采样样本图像作为训练样本，将所述全采样样本图像作为标签，对预先建立的神经网络进行训练，得到所述深度神经网络模型；

其中，获取全采样图像包括：

通过低倍欠采因子从磁共振扫描仪采集图像；

对采集的图像进行预处理，其中，所述预处理包括以下至少之一：选图处理、归一化处理；

将预处理后的图像作为所述全采样图像；

其中，所述磁共振扫描图像为大视野头颈一体化欠采样图像。

4.一种终端设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至2中任一项所述方法的步骤。

5.一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现权利要求1至2中任一项所述方法的步骤。