[发明专利]一种基于SFT变换多模态融合快速MRI重建方法及装置

说明书

本发明公开了一种基于SFT变换多模态融合快速MRI重建方法及装置，将MRI图像进行去噪处理后，对T2图像进行欠采样，将T1图像和欠采样后的T2图像进行一次傅里叶运算变换为K空间数据，对K空间数据进行Mask掩码采样，然后进行多模态融合和SFT监督融合。本发明将T1、欠采样的T2进行多模态融合，发挥了T2图像对重构结果的增强作用，有效的改善了传统方法超分后图片过平滑的缺点，SFT监督机制的运用，将极大的增强图像纹理细节，数据一致性层也能避免源图像低频信息随重构而发生变异的问题。

技术领域

本发明属于图像处理领域，尤其涉及一种基于SFT变换多模态融合快速MRI重建方法及装置，用于脑部MRI图像的加速高精度重建。

背景技术

目前医学影像在疾病的诊治过程中已经成为一项重要的临床医学工具与诊断依据，随着现代医学成像技术的不断发展，医学影像作为诊断依据与工具的重要性不断提高。

在对磁共振成像MRI进行采集时，存在采集时间长、成本高、采集过程困难等问题，此外运动伪影等问题也困扰着MRI成像在医疗领域的发展。

自神经网络运用于MRI重构领域伊始，就展现出强大的性能，各种方法层出不穷，网络结构也愈发精妙。常见传统神经网络结构有U-Net、Dense U-Net等，但传统的方法学习能力有限，在输入参数时也只考虑到了较易采集的T₂图像信息。

虽然也有人提出了一种将T₁与T₂两种模态图像融合输入网络的方法，利用了T₁提供的T₂不包含的图像细节信息，来大幅加速SR速度，并大幅提升效果。T₁与T₂是磁共振成像中的两类图像，在脑部MRI重构中，传统一般使用T₂，在多模态方法出现后，T₁的融入会提升T₂的细节。该发现鼓励了许多研究者对其进行研究，然而受限于物理因素，T₂图像的采集时间较长和回波时间相对较长。

发明内容

本申请的目的是提供一种基于SFT变换多模态融合快速MRI重建方法及装置，解决了传统脑部核磁共振图像重建后的信噪比降低，图像边缘模糊等问题。

为了实现上述目的，本申请技术方案如下：

一种基于SFT变换多模态融合快速MRI重建方法，包括：

获取MRI图像进行去噪处理；

基于去噪后的图像生成T1图像与T2图像，对T2图像进行欠采样，得到欠采样的T2图像；

将T1图像和欠采样后的T2图像进行一次傅里叶运算变换为K空间数据，对K空间数据进行Mask掩码采样，得到待输入图像数据；

将待输入图像数据输入到预训练好的深度级联卷积神经网络，重建MRI图像，所述深度级联卷积神经网络中每一个级联网络中包含一个卷积网络层和一个数据一致性层，所述卷积网络层对待输入图像数据进行多模态融合和SFT监督融合。

进一步的，所述去噪处理，包括：

对MRI图像通过如下公式进行去噪：

其中，含噪声图像为ν，去噪后的图像为中像素点x处的灰度值表示为其中w(x,y)表示像素点x与之间的相似度，并由距离函数D(x)决定：

其中，Z(x)为归一化系数，依照(0,1)的区间进行归一化。

进一步的，所述对待输入图像数据进行多模态融合，包括：