[发明专利]基于SWI相位图像的两阶段的边缘增强QSM重建方法

权利要求书

1.一种基于SWI相位图像的两阶段的边缘增强QSM重建方法，其特征在于，构建两阶段的边缘增强神经网络，以历史SWI相位图、对应的QSM图像及其边缘图作为训练数据，使用训练数据对网络进行训练，进一步采用训练后的边缘增强神经网络由新采集得到的SWI相位图重建得到QSM图像；

所述的两阶段的边缘增强神经网络包括：用于保留高频信息的边缘重建子网络和特征优化子网络，其中：边缘重建子网络根据历史SWI相位图生成对应QSM图像的边缘图，特征优化子网络从边缘重建子网络中得到含有丰富高频边缘信息的特征图并进行第二阶段特征提取/特征优化得到深层特征图后重建出QSM图像。

2.根据权利要求1所述的两阶段的边缘增强QSM重建方法，其特征是，所述的两阶段是指：第一阶段通过边缘重建子网络直接重建QSM图像的边缘图，以此提取含有丰富高频边缘信息的浅层特征图；第二阶段通过全卷积神经网络，在保留其已经获得的丰富的高频边缘信息的基础上，提取出更多含有低频空间结构信息的特征图，并将其与原特征图融合，获取含有最后重建所必需信息的深层特征图。

3.根据权利要求1或2所述的两阶段的边缘增强QSM重建方法，其特征是，所述的边缘重建子网络包括：特征提取网络模块和边缘重建网络模块，其中：特征提取网络模块从历史SWI相位图中提取SWI相位图的浅层特征图并输出至特征优化子网络，边缘重建网络模块从浅层特征图中生成对应QSM图像的边缘图，为浅层特征图提供丰富的高频边缘信息，并将浅层特征图输出至特征优化子网络。

4.根据权利要求1所述的两阶段的边缘增强QSM重建方法，其特征是，所述的特征优化子网络包括：特征优化网络模块和图像重建网络模块，其中：特征优化网络模块将来自特征提取网络模块的浅层特征图进行第二阶段特征提取/特征优化，得到深层特征图，图像重建网络模块从深层特征图中生成QSM图像作为重建结果。

5.根据权利要求1所述的两阶段的边缘增强QSM重建方法，其特征是，所述的训练，以边缘重建误差和图像重建误差加权融合作为损失函数，将最小化损失函数作为优化目标进行网络参数优化。

6.根据权利要求5所述的两阶段的边缘增强QSM重建方法，其特征是，所述的边缘重建误差是指：计算边缘重建网络模块生成的QSM边缘图与训练集中真实的QSM的边缘图的边缘重建误差；

所述的图像重建误差是指：计算图像重建网络模块生成的QSM图像与训练集中的真实的QSM图像的图像重建误差。

7.根据权利要求3所述的两阶段的边缘增强QSM重建方法，其特征是，所述的特征提取网络、边缘重建网络模块、特征优化网络模块与图像重建网络模块均为全卷积神经网络。

8.根据权利要求7所述的两阶段的边缘增强QSM重建方法，其特征是，所述的特征提取网络模块和特征优化网络模块采用U-Net网络实现，具体包括：编码器网络和解码器网络，其中：编码器网络使用卷积操作与最大池化操作对输入图像进行若干次下采样与特征提取，解码器网络使用卷积操作与步长为2的转置卷积操作对编码器网络得到的特征图进行对称的若干次上采样与特征提取。

9.一种实现上述任一权利要求所述方法的系统，其特征在于，包括：训练数据获取模块、网络训练模块、待重建数据获取模块和QSM重建模块，其中：训练数据获取模块获取成对的SWI相位图与QSM图像，经过数据增强之后送入网络训练模块，网络训练模块首先搭建网络结构，之后使用训练数据对网络进行训练，优化其内部参数，获取训练完备的网络模型，待重建数据获取模块于临床的MRI成像设备中获取SWI成像过程中生成的高通滤波后的相位图，将其输入训练完备的网络模型，重建QSM图像。