[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

说明书

本申请提供了一种基于深度学习的大视野磁共振扫描图像重建方法和装置，其中，该方法包括：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。利用本申请实施例提供的技术方案解决了现有磁共振扫描在扫描矩阵选定后，增大FOV会导致图像空间分辨率降低的问题，在保证了大视野扫描成像的前提下，利用深度学习方法能在较短时间内重建出高分辨图像。

技术领域

本申请属于图像处理技术领域，尤其涉及一种基于深度学习的大视野磁共振扫描图像重建方法和装置。

背景技术

目前，在临床上主要依靠脑动脉血管造影，通过测量血管的狭隘程度来评估脑动脉粥样硬化的严重性。然而，研究发现在动脉粥样硬化的发生发展过程中，动脉管壁会发生正性重构，导致缺血性脑卒中的病变主要位于脑组织上游的动脉血管床，如果仅仅测试血管狭隘，而不能显示有病变是无法进行精准检测的。

对于缺血性脑卒中的病因中，颅内动脉病变占46.6％，颈动脉病变占30％左右，而斑块破裂引发血栓形成从而导致血管完全闭塞，是急性心脑血管事件的主要发病机制。针对早期评估、诊断血管的狭隘程度及动脉斑块的头颈一体化血管壁成像技术，对缺血性脑卒中的病因认知和早期预防，目前一般都是采用磁共振血管壁成像的方式。

然而，由于脑部和颈动脉需要同时成像，需要大视野一站式扫描两个部位，此外脑动脉分布广泛且血管分支多，这对扫描覆盖提出了更高要求。头颈一体化的磁共振成像难点在颅内部分，早期颅内成像大都为二维成像技术，通过快速自旋回波序列，以多层交叉提高覆盖范围；而二维技术只能观察某一段的断面图像，层厚一般过大，且不是各项同性，不能完全满足临床应用的需求。目前的头颈一体化成像技术所能获得的最大视野为250mm，但考虑到扫描图像的对比度、各项同性分辨率、扫描时间等因素，这种视野仍然无法满足临床上的应用需求。此外，现有磁共振扫描在扫描矩阵选定后，FOV越大会导致图像体素的体积增大，图像的空间分辨率会随之降低，因此盲目增大FOV会导致磁共振扫描图像空间分辨率降低。

针对上述问题，目前上述我提出有效的解决方案。

发明内容

本申请的目的在于提供一种基于深度学习的大视野磁共振扫描图像重建方法和装置，可以在保证了大视野扫描成像的前提下，利用深度学习方法在较短时间内重建出高分辨图像，从而达到了同时保证大视野扫描、缩短扫描时间和提高重建精度的需求。

本申请提供一种基于深度学习的大视野磁共振扫描图像重建方法和装置是这样实现的：

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。

在一个实施方式中，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。

在一个实施方式中，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。