[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

说明书

一种基于SWI相位图像的两阶段的边缘增强QSM重建方法，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。本发明通过一步到位的方法使QSM重建免于复杂的预处理步骤与额外的扫描时间，同时扩展了SWI的应用范围。同时提出了一种两阶段的边缘增强的网络结构，首先重建QSM的边缘图，以此在网络的特征图中引入边缘先验知识，这些特征图经过特征优化后可以重建出边缘清晰的QSM图像。

技术领域

本发明涉及的是一种磁共振成像领域的技术，具体是一种以深度学习领域中卷积神经网络为基础，基于磁敏感加权成像(SWI)相位图像的两阶段的边缘增强定量磁敏感图(QSM)重建方法。

背景技术

定量磁敏感成像(Quantitative Susceptibility Mapping，QSM)技术是一种近年来新兴的磁共振成像技术(Magnetic Resonance Imaging,MRI)，其利用磁共振信号中的相位数据得到能够反映磁场中物体磁化率的磁敏感值的特点，以此提供一种非侵入式的定量反映人体内部组织成分与微结构的医学成像方法。目前常用的QSM重建方法基于多回波的梯度回波序列中的相位数据，经过相位解卷绕，去除背景场等预处理步骤后，使用迭代算法解决偶极子反卷积的问题，从局部场图中重建出QSM。这种方法需要较长的扫描时间，同时需要对原始相位数据进行解卷绕，去除背景场等复杂的预处理操作，使其难以直接应用于临床实践中。另一方面，磁敏感加权成像(Susceptibility Weighted Imaging)是一种在临床领域常用的MRI成像方法，其通过结合梯度回波序列中的相位与幅度信息，得到可以增强磁敏感值对比度的图像，能为多种疾病提供良好的诊断依据。然而与QSM不同的是，SWI无法提供定量的磁敏感值信息。与此同时，在SWI成像过程中会产生的经过高通滤波的相位信息，但现有基于迭代算法的QSM重建方法难以从这些缺失必要低频信息的相位中准确恢复出定量的磁敏感值。

近年来，卷积神经网络在解决图像逆问题上展现出强大的性能，然而现有的基于卷积神经网络的QSM重建算法，解决的依然是如何从经过预处理后的原始相位数据中得到QSM的问题，尚且没有直接由SWI相位重建QSM的先例。若直接将现有算法的基于U-Net的卷积神经网络结构运用于该任务，由于SWI相位数据本身质量较差，这些结构简单的算法难以胜任。由于U-Net网络深度不够，且仅使用L2损失函数进行训练，往往会导致重建的QSM中出现重建质量较差，图像边缘模糊等问题。

发明内容

本发明针对现有技术中需要预处理的相位数据实现QSM成像而导致成像成本过高，难以应用于临床的问题，提出一种基于SWI相位图像的两阶段的边缘增强QSM重建方法，利用卷积神经网络，可以直接由SWI成像过程中生成的经过高通滤波的相位数据重建得到QSM图像；同时通过在卷积神经网络中引入边缘先验信息，强化了对高频信息的保留，解决了卷积神经网络在图像恢复任务中常出现的图像平滑和边缘模糊的问题。

本发明是通过以下技术方案实现的：

本发明涉及一种基于SWI相位图像的两阶段的边缘增强QSM重建方法，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。

所述的边缘图，从历史SWI相位图对应的QSM图像中得到。

所述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特征优化得到深层特征图后重建出QSM图像。