[发明专利]基于卷积神经网络的核磁共振图像运动伪影校正

权利要求书

1.一种基于卷积神经网络的核磁共振图像运动伪影校正方法，其特征在于，使用有运动伪影的核磁共振图像及其对应的无运动伪影的核磁共振图像进行端到端的训练以校正运动伪影，具体包括以下步骤：

1)将数据集按一定比例随机分为训练集、验证集和测试集；；

2)设计一个可以进行端到端训练的卷积神经网络；

3)由Kaiming网络参数初始化方法初始化2)的卷积神经网络；；

4)向初始化后的卷积神经网络中输入带运动伪影的核磁共振图像，在输出端与不带运动伪影的核磁共振图像计算损失并反向更新网络梯度；

5)在测试集上对步骤4)得到的算法进行评估，并输出对应的测试结果。

2.如权利要求1所述的基于卷积神经网络的核磁共振图像运动伪影校正方法，其特征在于，按6：2：2的比例随机划分数据为训练集、验证集和测试集。

3.如权利要求1所述的基于卷积神经网络的核磁共振图像运动伪影校正方法，其特征在于，设计一个可以进行端到端训练的卷积神经网路，该网络嵌入了通道注意力模块和空间注意力模块，同时在网络连接上使用残差连接和密集连接。

4.如权利要求1所述的基于卷积神经网络的核磁共振图像运动伪影校正方法，其特征在于，使用Kaiming网络参数初始化方法初始化2)的卷积神经网络。

5.如权利要求1所述的基于卷积神经网络的核磁共振图像运动伪影校正方法，其特征在于，使用多尺度结构性损失和l₁范数损失之和计算损失值。

6.如权利要求1所述的基于卷积神经网络的核磁共振图像运动伪影校正方法，其特征在于，在测试集上对最终训练好的网络进行测试，采用的评价指标包括峰值信噪比(PeakSignal to Noise Ratio,PSNR)和结构相似性(Structural Similarity,SSIM)。