[发明专利]基于深度学习和边缘辅助的快速磁共振成像方法与系统有效
申请号: | 202110278962.3 | 申请日: | 2021-03-16 |
公开(公告)号: | CN113096207B | 公开(公告)日: | 2023-01-13 |
发明(设计)人: | 庞彦伟;王岳泽 | 申请(专利权)人: | 天津大学 |
主分类号: | G06T11/00 | 分类号: | G06T11/00;G06T5/10;G06T5/00;G06T3/40;G06N3/08;G06N3/04 |
代理公司: | 天津盛理知识产权代理有限公司 12209 | 代理人: | 王雨晴 |
地址: | 300071*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 深度 学习 边缘 辅助 快速 磁共振 成像 方法 系统 | ||
1.一种基于深度学习和边缘辅助的快速磁共振成像方法,其特征在于:包括以下步骤:
步骤1、搜集、组织和处理数据集;
步骤2、构建基于级联的编解码卷积神经网络架构的主干图像重建分支;
步骤3、构建基于渐进细化卷积神经网络架构的辅助边缘重建分支;
步骤4、利用步骤1中搜集、组织和处理好的数据集训练由主干图像分支和辅助边缘分支交互的深度卷积重建网络;
步骤5、生成重建后的图像;
所述步骤2的构建基于级联的编解码卷积神经网络架构的主干图像重建分支中,各级联网络采用编解码架构,包括编码器部分和解码器部分;其中,编码器部分由4层卷积块组成,将馈入特征图尺寸逐步放缩为二分之一的同时倍增通道数,从而实现特征表示的重构和样本内在规律与层次表征的学习,编码磁共振图像特征;解码器部分由4层反卷积块依次对特征图二倍上采样,同时通过跳跃连接引出等尺寸的编码器特征图与之按通道拼接,从而不断恢复空间分辨率和语义信息融合的重建图像;
所述步骤3所构建基于渐进细化卷积神经网络架构的辅助边缘重建分支中,各段采用渐进细化的等尺寸网络,网络主体是2个边缘提取与增强模块,其结构为:首先,特征图依次经过由3×3卷积、PReLU和3×3卷积头部单元初步提取特征;其次,特征图经过一个通道注意力模块,以建模各通道上用于表征与关键信息相关度权重;同时,特征图经过4个3×3卷积层构成的残差块,并与经通道注意力增强的特征图拼接,然后用1个1×1卷积减半通道数;再次,重复上一步;最后,经过由3×3卷积、PReLU和3×3卷积构成的尾部单元实现有效边缘特征的融合;
所述步骤4的具体方法为:
(1)对主干图像分支和辅助边缘分支进行耦合交互设计,组成重建网络架构:
对于首次级联,首先,将主干图像分支编码器部分的最浅层输出特征图馈入辅助边缘分支;其次,对训练数据采用Sobel算子提取边缘图,并将其与来自主干图像分支的编码器的特征图进行拼接,然后馈入第1个边缘提取与增强模块输出,再与主干图像分支解码器部分的最浅层输出特征图拼接,并馈入第2个边缘提取与增强模块;再次,从第1个边缘提取与增强模块前引出跳跃连接到第2个边缘提取与增强模块后,增强信号流动,提升训练稳定性;最后,辅助边缘分支输出的边缘与主干图像分支恢复的图像按元素相加;
对于后续的多次级联,均采用上一次级联输出的边缘和图像并分别输入下一次级联的辅助边缘分支和主干图像分支;在级联之间,采用硬数据一致性操作,即:对图像傅里叶变换到K空间,使用欠采样输入数据已采集到的像素点直接对K空间进行覆盖填充,然后再反傅里叶变换回图像域,从而使用已采集的正确数据强制约束重建结果;
(2)对步骤(1)所组成的重建网络架构进行训练,得到训练好的由主干图像分支和辅助边缘分支交互的深度卷积重建网络。
2.根据权利要求1所述的一种基于深度学习和边缘辅助的快速磁共振成像方法,其特征在于:所述步骤1的搜集、组织和处理的数据集包括:各类矢状面、冠状面、横切面以及有、无质子密度加权脂肪抑制的磁共振图像;各样本及其标签既有复数值全采样图像域数据和K空间数据;由复数值全采样图像取模得到的实数值数据对。
3.根据权利要求1所述的一种基于深度学习和边缘辅助的快速磁共振成像方法,其特征在于:所述步骤4的第(2)步的具体方法为:
训练时,对于主干图像分支,采用数据集已处理好的图像作为重建目标,使用SSIM损失函数;对于辅助边缘分支,使用现有的边缘检测算子提取主干图像分支的目标图像得到边缘标签,作为辅助边缘分支的监督信号,以约束边缘的恢复,并采用L1损失函数;二者构成的多任务损失采用Adam优化器进行优化,直至训练损失和验证损失趋于稳定收敛和正常拟合,并保留训练好的由主干图像分支和辅助边缘分支交互的深度卷积重建网络权重参数。
4.根据权利要求1所述的一种基于深度学习和边缘辅助的快速磁共振成像方法,其特征在于:所述步骤5的具体方法为:
对已训练模型测试并定性和定量评价,即利用训练完成后所保存的模型权重对测试集中的每张图像进行测试,生成重建图像。
5.如权利要求1至4任一项所述的一种基于深度学习和边缘辅助的快速磁共振成像方法的快速磁共振图像重建系统,其特征在于:包括电源、主计算机、控制器、脉冲序列、检查床和磁体系统;所述磁体系统包括磁体、均匀磁场线圈、发射/接收线圈和梯度变化线圈;其中,电源用于提供系统整体运行所需的电能,通过电线接入各用电设备;所述主计算机用于采集、存储、重建和显示磁共振图像,并通过光纤与各组件交互;控制器作为外接硬控制设备,负责系统各部分的启动、过程调控和关闭,通过光纤与受控组件相连接;脉冲序列是由射频脉冲与梯度脉冲两部分构成的脉冲程序,用于设置磁共振图像采集模式;检查床则作为对被试者采集磁共振数据时的台固定位;所述磁体系统用于为被测试者提供产生和接收磁共振图像信号的电磁物理环境。
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天津大学,未经天津大学许可,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/202110278962.3/1.html,转载请声明来源钻瓜专利网。