[发明专利]定量磁化率成像重建方法及系统、存储介质及终端有效
申请号: | 202011454605.X | 申请日: | 2020-12-10 |
公开(公告)号: | CN112505598B | 公开(公告)日: | 2022-01-07 |
发明(设计)人: | 魏红江;冯瑞敏;石虞婷;冯颉 | 申请(专利权)人: | 上海交通大学 |
主分类号: | G01R33/565 | 分类号: | G01R33/565;G01R33/56;G06N3/04;G06N3/08 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 徐秋平 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 定量 磁化率 成像 重建 方法 系统 存储 介质 终端 | ||
1.一种定量磁化率成像重建方法,其特征在于:包括以下步骤:
对磁共振成像得到的相位图像进行解缠绕和背景去除,得到组织相位图像;
构造用于求解磁化率图像的目标函数,并采用近端梯度下降算法推导出求解所述目标函数的数学迭代式,并基于所述数学迭代式搭建定量磁化率成像重建模型;
基于所述组织相位图像和对应的定量磁化率图像,对所述定量磁化率成像重建模型进行训练;
将解缠绕并去除背景的相位图像输入训练好的定量磁化率成像重建模型,以得到重建后的定量磁化率图像;
所述定量磁化率成像重建模型包括3个生成器与1个判别器,并在相邻生成器之间采用近端梯度下降模型进行计算;
所述生成器包括前后两个卷积层与中间8个ResBlock;每一个ResBlock包括两个3*3*3的卷积层,在第一个卷积层后跟随一个批归一化层与ReLU激活函数,在第二个卷积层后跟随一个批归一化层;每一个ResBlock的输入与第二个卷积输出之间有一个残差连接,输出均经过ReLU激活函数;
所述判别器包括4个4*4*4的跟随着LeakyReLU激活函数的卷积层与一个3*3*3的卷积层与扁平层。
2.根据权利要求1所述的定量磁化率成像重建方法,其特征在于:基于拉普拉斯算子对磁共振成像得到的相位图像进行相位解缠绕;利用VSHARP方法对解缠绕处理后的相位图像进行背景去除。
3.根据权利要求1所述的定量磁化率成像重建方法,其特征在于:所述组织相位图像对应的定量磁化率图像为多方向采集重建的金标准磁化率图像。
4.根据权利要求1所述的定量磁化率成像重建方法,其特征在于:训练所述定量磁化率成像重建模型时,初始学习率为0.001,当3个epoch内损失函数的值减小不超过0.0001甚至增长时,学习率降低50%;当30个epoch内损失函数不再减小甚至增长时;利用dropout方法防止过拟合,丢弃比例为10%。
5.一种定量磁化率成像重建系统,其特征在于:包括处理模块、构造模块、训练模块和重建模块;
所述处理模块用于对磁共振成像得到的相位图像进行解缠绕和背景去除,得到组织相位图像;
所述构造模块用于构造用于求解磁化率图像的目标函数,并采用近端梯度下降算法推导出求解所述目标函数的数学迭代式,并基于所述数学迭代式搭建定量磁化率成像重建模型;
所述训练模块用于基于所述组织相位图像和对应的定量磁化率图像,对所述定量磁化率成像重建模型进行训练;
所述重建模块用于将解缠绕并去除背景的相位图像输入训练好的定量磁化率成像重建模型,以得到重建后的定量磁化率图像;
所述定量磁化率成像重建模型包括3个生成器与1个判别器,并在相邻生成器之间采用近端梯度下降模型进行计算;
所述生成器包括前后两个卷积层与中间8个ResBlock;每一个ResBlock包括两个3*3*3的卷积层,在第一个卷积层后跟随一个批归一化层与ReLU激活函数,在第二个卷积层后跟随一个批归一化层;每一个ResBlock的输入与第二个卷积输出之间有一个残差连接,输出均经过ReLU激活函数;
所述判别器包括4个4*4*4的跟随着LeakyReLU激活函数的卷积层与一个3*3*3的卷积层与扁平层。
6.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至4中任一项所述的定量磁化率成像重建方法。
7.一种终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行权利要求1至4中任一项所述的定量磁化率成像重建方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011454605.X/1.html,转载请声明来源钻瓜专利网。