[发明专利]创建神经网络系统、生成磁共振图像的方法及其装置

权利要求书

1.一种创建神经网络系统的方法，其特征在于，包括以下步骤：

获取第一K空间数据、以及由第二K空间数据所生成的多个磁共振图像组成的磁共振图像集合，第二K空间数据由全采样的先验K空间数据组成，其中，第一K空间数据为欠采样K空间数据且使用0填充；

创建神经网络系统，所述神经网络系统由排成一队列的多个循环网络层(1)组成；所述循环网络层(1)由两个排成一队列的处理装置(11)组成，每个处理装置(11)包括输入模块(111)、图像恢复模块(112)和转换模块(113)；在所述神经网络系统中，位于队头的循环网络层(1)接收第一K空间数据的重建图像；不位于队尾的所有循环网络层(1)的处理结果输入到下一个循环网络层(1)；位于队尾的循环网络层(1)的输出即为所述神经网络系统的处理结果；在所述循环网络层(1)中，队头的处理装置(11)在图像域上处理数据，队尾的处理装置(11)在K空间域上处理数据，队头的处理装置(11)接收所处的循环网络层(1)所接收的输入数据，第二K空间数据的重建图像，队尾的处理装置(11)接收队头处理装置的输出和第二K空间数据；队尾的处理装置(11)的输出即为所处的循环网络层(1)的处理结果；在每个处理装置(11)中，输入模块(111)接收所处的处理装置(11)所接收到的数据、并进行连接处理，图像恢复模块(112)接收输入模块(111)的处理结果，并进行图像恢复处理；在每个循环网络层(1)中，队头的处理装置(11)中的转换模块(113)对图像恢复模块(112)的处理结果进行傅里叶变换和数据一致化处理，队尾的处理装置(11)中的转换模块(113)对图像恢复模块(112)的处理结果进行逆傅里叶变换和数据一致化处理；

基于第一K空间数据和第二K空间数据，训练所述神经网络系统。

2.根据权利要求1所述的创建神经网络系统的方法，其特征在于，

所述图像恢复模块(112)和第一K空间数据恢复模块的结构一致；

所述图像恢复模块(112)包括：

初始特征提取单元(1121)、多个排成一队列的局部特征提取单元(1122)、全局特征融合单元(1123)和全局残差学习单元(1124)；

初始特征提取单元(1121)包含有两个连续的3×3卷积层和其中，第一特征F_-1输入到全局残差学习单元(1124)，第二特征F₀输入给排在队头的局部特征提取单元(1122)，X_u为第一K空间数据的重建图像；

非队尾的局部特征提取单元(1122)将所提取的局部特征输入给下一个局部特征提取单元(1122)和所述全局特征融合单元(1123)，队尾的局部特征提取单元(1122)将所提取的局部特征输入给所述全局特征融合单元(1123)；

全局特征融合单元(1123)从所接收的多个局部特征中提取全局特征，并将全局特征输入给全局残差学习单元(1124)。

3.根据权利要求2所述的创建神经网络系统的方法，其特征在于，所述全局特征融合单元(1123)包括：1×1卷积层和3×3的卷积层。

4.根据权利要求2所述的创建神经网络系统的方法，其特征在于，所述全局残差学习单元(1124)包括：3×3卷积层。

5.根据权利要求1所述的创建神经网络系统的方法，其特征在于，所述局部特征提取单元(1122)包括：

依次排成一个队列的四个密集空洞卷积层，第一局部特征融合单元、紧缩操作单元、激励操作单元和第二局部特征融合单元LFF，其中，第一局部特征融合单元中的第n个局特征提取单元的密集卷积层里面的第t个卷积层的输入特征写成，t＝1，2，3或4，为对应的卷积层，{}为在特征通道上做串联操作四个卷积层的扩张率分别为1，2，4和4；第二局部特征融合单元LFF，第二局部特征融合单元LFF为1×1的卷积层，接收前面四层卷积层的输出的特征，其输出为，其中，表示局部特征融合操作；

第一局部特征提取单元的输出为表示紧缩操作和激励操作，F_n-1为上一个第一局部特征提取单元的输出。