[发明专利]基于神经网络拟合的化学交换饱和转移成像后处理方法

权利要求书

1.一种基于神经网络拟合的化学交换饱和转移成像后处理方法，其特征在于，该方法包括以下具体步骤：

步骤1：双池布洛赫方程仿真

对影响背景参考Z谱的生理组织参数在所有范围中进行组合遍历，同时给定水峰在磁共振主磁场变化范围内随机偏移以模拟主磁场偏移，通过双池布洛赫方程仿真得到涵盖生理环境中存在的所有情况的背景参考Z谱集；双池布洛赫方程如下：

其中，分别是自由水池a和半固态大分子池b磁化矢量在x、y和z方向的分量，ω₁是射频脉冲辐照幅度，Δω是射频脉冲偏照频率，双池中弛豫率和支配纵向磁化矢量的恢复，分别为双池的横向弛豫率，两池间磁化矢量交换率用表示；

步骤2：训练网络模型

对于每个模拟的背景参考Z谱，将频率偏移避开酰胺质子δ3.5、氨基质子δ2.0、羟基质子δ1.0的化学交换饱和转移效应与脂质质子δ-2～δ-5的核奥氏增强效应交换点位置的归一化水信号作为模型训练输入，将整个背景参考Z谱以及自由水池化学位移偏移量作为模型的训练输出；采用Levenberg-Marquardt算法对神经网络进行训练，得到由10个S型隐藏神经元以及线型输出神经元组成的多层前馈式神经网络；

步骤3：图像采集

在不同频率的饱和射频照射的条件下采集化学交换饱和转移磁共振成像的模图,额外采集一个没有饱和射频照射的条件下的参考图像；

步骤4：图像重建

将步骤3采集的图像数据通过步骤2所得到的多层前馈式神经网络进行图像重建：

4.1：当采集到每个射频频率偏移位置的数据点后，先通过参考扫描的图像进行归一化，再进行三次样条插值后绘制成原始的Z谱；

4.2：将δ-9.5、δ-9、δ-8.5、δ-8、δ-7.5、δ-1.5、δ-1、δ-0.5、δ7.5、δ8、δ8.5、δ9和δ9.5对应的归一化水信号数据输入到所述神经网络中进行预测，得到背景参考Z谱与自由水的水峰偏移量，随后用自由水的水峰偏移量来矫正原始Z谱与背景参考Z谱，得到矫正后的原始Z谱与背景参考Z谱；

4.3：将矫正后的背景参考Z谱与矫正后的通过磁共振成像采集得到的Z谱在酰胺质子饱和转移效应或核奥氏增强效应的交换点相减后得到不同的成像对比度：将处于δ3.5处的数据点相减得到酰胺质子饱和转移成像，或在δ-3.5处即得到核奥氏增强效应成像；Z谱相减提取逐像素的成像信号即完成后处理；所述Z谱相减提取逐像素的成像信号采用的公式如下：

其中，APT与NOE分别表示酰胺质子转移效应与核奥氏增强效应对比度，Δω为射频脉冲偏照频率，Z_ref(Δω)为矫正后的背景参考Z谱，S₀(Δω)为参考扫描信号，Z_acq(Δω)为矫正后的原始Z谱。