[发明专利]一种T2定量图像成像方法及系统

权利要求书

1.一种T2定量图像成像方法，其特征在于，所述T2定量图像成像方法包括：

设置多重叠回波及多回波链采样脉冲序列；

基于所述多重叠及多回波链采样脉冲序列，从待测样本中采集真实图像；

基于所述多重叠回波及多回波链采样脉冲序列，从历史样本中采集多个模拟图像；

对各所述模拟图像训练，得到U-NET卷积神经网络；

根据所述U-NET卷积神经网络及所述真实图像，得到T2定量图像；

所述基于所述多重叠回波及多回波链采样脉冲序列，从历史样本中采集模拟图像包括：

获取所述历史样本的特征分布；

利用深度网络合成训练样本生成算法根据所述特征分布生成模板；所述模板为模仿真实实验条件的随机模板；

基于磁共振成像模拟仿真软件，根据所述多重叠回波及多回波链采样脉冲序列，对所述模板采样，得到模拟图像；

所述对所述模拟图像训练，得到U-NET卷积神经网络包括：

使用深度学习框架搭建U-NET卷积神经网络模型；

将各所述模拟图像分为训练集和验证集；

将所述模板设为标签；

设置模型参数将训练集中的模拟图像进行迭代，并使用验证集中的模拟图形进行验证，得到误差；

直至所述误差值保持稳定，停止迭代；所述误差值保持稳定时对应的模型参数下的神经网络为所述U-NET卷积神经网络。

2.根据权利要求1所述的T2定量图像成像方法，其特征在于，所述多重叠回波及多回波链采样脉冲序列包括多重叠回波、重聚脉冲及采样回波链。

3.根据权利要求2所述的T2定量图像成像方法，其特征在于，所述根据所述U-NET卷积神经网络及所述真实图像，得到T2定量图像之后，还包括根据所述采样回波链获取质子密度图及射频场图。

4.根据权利要求1所述的T2定量图像成像方法，其特征在于，所述基于所述多重叠及多回波链采样脉冲序列，从待测样本中采集真实图像包括：

将实验样品放置到实验床上；

将所述实验床送至磁共振成像仪的实验腔；

在所述磁共振成像仪的操作软件中选中实验样品的感兴趣区域；

对所述感兴趣区域进行调谐、匀场、频率校正和功率校正，得到修正区域；

通过所述多重叠回波及多回波链采样脉冲序列，对所述修正区域采样，得到模拟信号；

将所述模拟信号从K空间转换到图像域，生成真实图像。

5.根据权利要求1所述的T2定量图像成像方法，其特征在于，所述将训练集中的模拟图像进行迭代，并使用验证集中的模拟图形进行验证，输出误差，包括所述训练集中的模拟图像每迭代5000次就使用验证集中的模拟图像验证一次。

6.根据权利要求1所述的T2定量图像成像方法，其特征在于，在训练所述U-NET卷积神经网络的过程中，根据损失函数使用Adam优化器来优化网络参数。

7.根据权利要求6所述的T2定量图像成像方法，其特征在于，所述损失函数为

其中，其中M是同一批训练级中的模拟图像的数量，f()代表网络的映射关系，W和b是网络参数，x_k代表第k张输入图像，y_k代表对应输入图像的标签，y_change代表y_k中小于某一阈值的值置为该阈值后的矩阵，y_mask是对权y_k使用Cannny算子求得的图像边缘信息，▽是梯度算子，λ是约束项系数。

8.一种T2定量图像成像系统，其特征在于，所述T2定量图像成像系统包括：

设置单元，用于多重叠回波及多回波链采样脉冲序列；

第一采集单元，与所述设置单元连接，用于基于所述多重叠及多回波链采样脉冲序列，从待测样本中采集真实图像；

第二采集单元，与所述设置单元连接，用于基于所述多重叠回波及多回波链采样脉冲序列，从历史样本中采集多个模拟图像；

构建单元，与第二采集单元连接，用于对各所述模拟图像训练，得到U-NET卷积神经网络；

确定单元，分别与所述构建单元及所述第一采集单元连接，用于根据所述U-NET卷积神经网络及所述真实图像，得到T2定量图像；

所述第二采集单元包括：

获取所述历史样本的特征分布；

利用深度网络合成训练样本生成算法根据所述特征分布生成模板；所述模板为模仿真实实验条件的随机模板；

基于磁共振成像模拟仿真软件，根据所述多重叠回波及多回波链采样脉冲序列，对所述模板采样，得到模拟图像；

所述构建单元包括：

使用深度学习框架搭建U-NET卷积神经网络模型；

将各所述模拟图像分为训练集和验证集；

将所述模板设为标签；

设置模型参数将训练集中的模拟图像进行迭代，并使用验证集中的模拟图形进行验证，得到误差；

直至所述误差值保持稳定，停止迭代；所述误差值保持稳定时对应的模型参数下的神经网络为所述U-NET卷积神经网络。