[发明专利]一种动态医学成像方法、装置、设备及存储介质

权利要求书

1.一种动态医学成像方法，其特征在于，包括：

获取动态采样数据；

将所述动态采样数据输入至训练好的动态成像模型中，获得所述动态成像模型的输出结果，其中，所述动态成像模型包括低秩模块；

根据所述输出结果确定所述动态采样数据对应的目标重建图像并输出。

2.根据权利要求1所述的方法，其特征在于，所述动态成像模型包括链式连接的至少一个基于低秩模块构建的级联模块，所述将所述动态采样数据输入至训练好的动态成像模型中，获得所述动态成像模型的输出结果，包括：

根据所述级联模块的连接顺序，依次将每个所述级联模块作为当前级联模块，将位于所述当前级联模块之前的前一级联模块的输出结果输入至所述当前级联模块中，获得当前级联模块的输出结果，并将最后一个级联模块的输出结果作为所述动态成像模型的输出结果。

3.根据权利要求2所述的方法，其特征在于，所述基于低秩模块构建的级联模块包括顺次连接的所述低秩模块、卷积神经网络和数据一致性模块，所述将位于所述当前级联模块之前的前一级联模块的输出结果输入至所述当前级联模块中，获得当前级联模块的输出结果，包括：

将位于所述当前级联模块之前的前一级联模块的输出结果输入至所述当前级联模块中的所述低秩模块中，获得所述低秩模块输出的第一低秩特征；

将所述第一低秩特征输入至所述卷积神经网络中，获得所述卷积神经网络输出的第一卷积特征；

将所述第一卷积特征输入至所述数据一致性模块中，将所述数据一致性模块的输出结果作为所述当前级联模块的输出结果。

4.根据权利要求2所述的方法，其特征在于，所述基于低秩模块构建的级联模块包括顺次连接的卷积神经网络、所述低秩模块和数据一致性模块，所述将位于所述当前级联模块之前的前一级联模块的输出结果输入至所述当前级联模块中，获得当前级联模块的输出结果，包括：

将位于所述当前级联模块之前的前一级联模块的输出结果输入至所述当前级联模块中的卷积神经网络中，获得所述卷积神经网络输出的第二卷积特征；

将所述第二卷积特征输入至所述低秩模块中，获得所述低秩模块输出的第二低秩特征；

将所述第二低秩特征输入至所述数据一致性模块中，将所述数据一致性模块的输出结果作为所述当前级联模块的输出结果。

5.根据权利要求2所述的方法，其特征在于，所述基于低秩模块构建的级联模块包括顺次连接的卷积神经网络、数据一致性模块和所述低秩模块，所述将位于所述当前级联模块之前的前一级联模块的输出结果输入至所述当前级联模块中，获得当前级联模块的输出结果，包括：

将位于所述当前级联模块之前的前一级联模块的输出结果输入至所述当前级联模块中的卷积神经网络中，获得所述卷积神经网络输出的第三卷积特征；

将所述第三卷积特征输入至所述数据一致性模块中，获得所述数据一致性模块输出的数据一致性信息；

将所述数据一致性信息输入至所述低秩模块中，将所述低秩模块的输出结果作为所述当前级联模块的输出结果。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述低秩模块基于奇异值阈值算法构建。

7.根据权利要求1所述的方法，其特征在于，还包括：

获取样本采样数据以及所述样本采样数据对应的样本重建结果；

基于样本采样数据以及所述样本采样数据对应的样本重建结果生成训练样本数据；

使用所述训练样本数据对预先基于低秩模块构建的动态成像模型进行训练，得到训练好的动态成像模型。

8.一种动态医学成像装置，其特征在于，包括：

采样数据获取模块，用于获取动态采样数据；

输出结果获取模块，用于将所述动态采样数据输入至训练好的动态成像模型中，获得所述动态成像模型的输出结果，其中，所述动态成像模型包括低秩模块；

重建图像输出模块，用于根据所述输出结果确定所述动态采样数据对应的目标重建图像并输出。