[发明专利]基于MRI的CT图像重建方法

说明书

本发明公开了一种基于MRI的CT图像重建方法，包括以下步骤：1)利用深度学习网络重建MRI，训练深度学习网络，获取待测物体的欠采样k空间数据，将所述待测物体的欠采样k空间数据输入至训练好的深度学习网络，以获取所述待测物体的线上MRI；2)利用双向生成对抗网络，利用双向生成对抗网络由MRI重建CT图像。本发明具有以下优点：(1)MRI成像速度快；(2)应用范围广，可以用于肺部成像，也可以用于人体其他部位成像；(3)由MRI重建得到CT图像，避免了CT检查的电离辐射；(4)重建得到的CT图像还可以用于放射治疗计划制定，以及PET衰减校正。

技术领域

本发明涉及医学图像处理技术领域，具体地说是一种基于MRI的CT图像重建方法。

背景技术

新冠肺炎传染性强、致死率高，早发现、早诊断、早治疗、早隔离是目前防控治疗的最有效手段。相比核酸检查的种种受限，CT(computed tomography)检查及时、准确、快捷、阳性率高、肺部病变范围与临床症状密切相关，因此成为新型冠状病毒肺炎患者早期筛查与诊断的主要参考依据。根据新型冠状病毒肺炎诊疗方案(试行第六版)，新冠肺炎早期呈现多发小斑片影及间质改变，以肺外带明显。进而发展为双肺多发磨玻璃影、浸润影，严重者可出现肺实变，胸腔积液少见。患者从入院的CT扫描初评、到了解病变进展、直至治愈出院，少则2次CT检查，多则3～4次CT检查。由于存在电离辐射，儿童和孕妇等人群不适合做CT检查。磁共振成像(magnetic resonance imaging,MRI)具有软组织对比度高、无电离辐射、高分辨率和任意方向断层扫描等优点，是现代医学成像中的一项重要技术。MRI通常作为胸部平片和CT的重要补充，对于鉴别胸内外病变、纵膈内外病变，膈上下病变，了解病变的起源有很大帮助。对于新冠肺炎的影像学检查，与CT相比，MRI的缺陷主要在于成像速度慢，对肺部细微结构的显示差。

发明内容

有鉴于此，本发明针对上述MRI成像速度慢，对肺部细微结构的显示差的问题，提供了一种成像速度快、对肺部细微结构显示效果好的基于MRI的CT图像重建方法。

本发明的技术解决方案是，提供一种以下步骤的基于MRI的CT图像重建方法，包括以下步骤：

1)利用深度学习网络重建MRI，包括以下步骤：

获取样本物体的全采样的线下k空间数据，所述全采样是指k空间数据采集满足奈奎斯特采样定理，可以通过全采样k空间数据恢复样本物体的图像，所述线下k空间数据是指从磁共振设备获取的k空间数据；

对所述全采样的线下k空间数据进行逆傅里叶变换得到全采样的线下多对比度MRI；所述多对比度MRI是指用多种成像序列进行扫描，得到不同的对比度，如T1W、T2W等；

在k空间对所述全采样的线下k空间数据进行欠采样，以获取欠采样的线下k空间数据，所述欠采样是指k空间数据采集不满足奈奎斯特采样定理，直接用来进行图像重建时会产生混叠伪影；

根据所述欠采样的线下k空间数据和所述全采样的线下多对比度MRI，训练深度学习网络；

获取待测物体的欠采样k空间数据；

将所述待测物体的欠采样k空间数据输入至训练好的深度学习网络，以获取所述待测物体的线上MRI；

2)利用双向生成对抗网络，由线上MRI重建CT图像；所述双向生成对抗网络由两个生成器和两个判别器构成，第一生成器G_A为由线上MRI映射到CT图像，第二生成器G_B为由CT图像映射到线上MRI，所述判别器包括CT判别器和MRI判别器，所述CT判别器D_CT用于区分由第一生成器G_A生成的CT图像和真实CT图像，MRI判别器D_MRI用于区分由第二生成器G_B生成的MRI和真实MRI；利用双向生成对抗网络由MRI重建CT图像包括以下步骤：