[发明专利]一种基于多任务协同网络的磁共振图像增强方法

权利要求书

1.一种基于多任务协同网络的磁共振图像增强方法，其特征在于，所述方法包括以下步骤：

步骤1：构建多任务增强模型；

步骤2：训练多任务增强模型；

步骤3：将待增强磁共振图像输入训练后的多任务增强模型，得到增强后的磁共振图像。

2.如权利要求1所述的一种基于多任务协同网络的磁共振图像增强方法，其特征在于，所述步骤1包括以下步骤：

步骤1.1：分别设置对比度增强模块和边缘增强模块；

步骤1.2：在对比度增强模块和边缘增强模块之后设置一图像差值处理模块；

步骤1.3：在图像差值处理模块之后设置一信噪比增强模块；

步骤1.4：在信噪比增强模块和边缘增强模块之后设置一特征融合模块。

3.如权利要求1所述的一种基于多任务协同网络的磁共振图像增强方法，其特征在于，所述对比度增强模块包括依次连接的一前置卷积层、一稠密块、一团块以及一后置卷积层。

4.如权利要求1所述的一种基于多任务协同网络的磁共振图像增强方法，其特征在于，所述边缘增强模块包括依次连接的一前置卷积层、一团块、一残差块，将残差块的输出特征图和前置卷积层的输出特征图相加后作为输入，通过一后置卷积层进行卷积。

5.如权利要求1所述的一种基于多任务协同网络的磁共振图像增强方法，其特征在于，所述信噪比增强模块包括依次连接的一团块、一第一残差块、一第二残差块，将团块的输出特征图、第一残差块的输出特征图、第二残差块的输出特征图相加后作为输入，通过一后置卷积进行卷积操作。

6.如权利要求1所述的一种基于多任务协同网络的磁共振图像增强方法，其特征在于，所述步骤2中，训练多任务增强模型包括以下步骤：

步骤2.1：设置多任务增强模型的总损失函数和网络参数；

步骤2.2：构建磁共振样本图像增强数据集，包括若干待增强样本图像x与目标样本图像y的配准数据对；

步骤2.3：将待增强样本图像作为多任务增强模型的输入，得到输出图像；

步骤2.4：基于输出图像和对应的目标样本图像，以最小化总损失函数的损失值为目标，更新网络参数。

7.如权利要求6所述的一种基于多任务协同网络的磁共振图像增强方法，其特征在于，所述待增强样本图像为3T磁共振平扫图像，目标样本图像为7T磁共振图像或注射造影剂后的增强磁共振图像。

8.如权利要求6所述的一种基于多任务协同网络的磁共振图像增强方法，其特征在于，所述多任务增强模型的总损失函数为L_total＝L_fusion+a×L_edge，L_fusion＝||F(D(C(x)-E(x))+E(x))-y||₁，L_edge＝||E(x)-y_edge||₁，其中，L_fusion表示多任务增强模型的输出图像的区域损失，L_edge表示边缘增强模块的边缘损失，y_edge表示从目标样本图像中提取的软边缘图像，a是用于控制边缘损失比例的超参数，C(x)表示待增强样本图像x通过对比度增强模块C()得到的对比度增强图像，E(x)表示待增强样本图像x通过边缘增强模块E()得到的边缘增强图像，C(x)-E(x)表示对比度增强图像C(x)和边缘增强图像E(x)通过图像差值处理模块得到的减边缘图像，D(C(x)-E(x))表示减边缘图像经信噪比增强模块D()得到的信噪比增强图像，F(D(C(x)-E(x))+E(x))表示信噪比增强图像和边缘增强图像通过特征融合模块F()得到的多任务增强模型的输出图像。

9.如权利要求8所述的一种基于多任务协同网络的磁共振图像增强方法，其特征在于，所述软边缘图像y_edge的提取采用曲率公式y_edge＝div(u_m，u_n)，其中m，n分别表示目标样本图像的横纵坐标，表示目标样本图像y在横坐标方向或纵坐标方向上的梯度，div表示散度算子，表示目标样本图像y在当前坐标点上横向梯度的平方与纵向梯度的平方之和。