[发明专利]一种图像生成方法、装置、电子设备及存储介质

说明书

本发明创造属于磁共振数据处理的技术领域，具体涉及了一种图像生成方法、装置、电子设备及存储介质。一种图像生成方法，包括：获取多个不同成像序列的欠采样K空间数据和一个成像序列的满采样K空间数据；分别对各个所述欠采样K空间数据和所述满采样K空间数据进行预处理，得到各个所述欠采样K空间数据对应的目标欠采样K空间数据和所述满采样K空间数据对应的目标满采样K空间数据。其中将单对比度的全采样K空间数据和多对比度的降采样K空间数据的进行联合，有助于恢复丢失的信号，达到更好的重建效果。

技术领域

本发明创造属于磁共振数据处理的技术领域，具体涉及了一种图像生成方法、装置、电子设备及存储介质。

背景技术

K空间成像技术(MRI)是目前临床上常用的，综合了物理化学等技术的高度集成化仪器，是一种可以提供解剖结构和病理信息的无创成像方法。通过不同的参数设置，MRI序列可以生成多对比度图像，从而反应出人体的各种组织生理信息，有助于进行更全面的临床分析与决策。目前通常使用的多对比度图像获取方式为逐个序列扫描，分别对每个序列k空间数据进行重建，然而所需时间也随着序列数量成比例增加，长时间的采集会降低诊断效率和患者舒适度，同时，对于一些特定的患者如老人、儿童等，无法满足较长的扫描时间的要求。在长时间的扫描过程中，图像质量也不可避免地受到呼吸、血流、心跳和患者运动的影响，因此，在保持一定的分辨率和信噪比同时，减少长扫描时间是多对比K空间成像面临的关键挑战。k空间部分采集是减少扫描时间的主要方法之一，然而直接由欠采样数据重建的图像信噪比较低，且伪影严重，因此降采图像的K空间重建算法是研究热点之一。

随着传统算法的不断改进和人工智能技术的发展，一些基于深度学习的重建算法不断被提出，但这些方法大部分基于单对比度图像的重建，在降采过程中已损失的信号对重建效果产生一定的影响，在高倍数降采下尤为明显。

发明内容

针对上述技术问题，本发明创造提出了一种图像生成方法、装置、电子设备及存储介质。本申请通过将不同对比度K空间数据中位置相对应的数据层输入到双域神经网络，由双域神经网络多输入的数据层进行数据补全，并基于补全的数据生成数据层对应的层图像，其中将单对比度的全采样K空间数据和多对比度的降采样K空间数据的进行联合，有助于恢复丢失的信号，达到更好的重建效果。

为解决上述技术问题，本发明所采用的技术方案包含四个方面。

第一方面，提供了一种图像生成方法，包括：获取多个不同成像序列的欠采样K空间数据和一个成像序列的满采样K空间数据；分别对各个所述欠采样K空间数据和所述满采样K空间数据进行预处理，得到各个所述欠采样K空间数据对应的目标欠采样K空间数据和所述满采样K空间数据对应的目标满采样K空间数据；将各个所述目标欠采样K空间数据与所述目标满采样K空间数据中位置相对应的数据层作为输入数据输入到双域神经网络模型中，得到各个所述欠采样K空间数据所对应的层图像。

在一些实施例中，所述双域神经网络模型包括：数据补全域模型和图像增强域模型，所述将各个所述目标欠采样K空间数据与所述目标满采样K空间数据中位置相对应的数据层作为输入数据输入到双域神经网络模型中，得到各个所述欠采样K空间数据所对应的层图像，包括：将各个所述目标欠采样K空间数据与所述目标满采样K空间数据中位置相对应的数据层作为输入数据输入到所述数据补全域模型，得到各个所述目标欠采样K空间数据对应的补全数据层；基于各个所述补全数据层和所述图像增强域模型，确定各个所述欠采样K空间数据所对应的层图像。

在一些实施例中，所述基于各个所述补全数据层和所述图像增强域模型，确定各个所述欠采样K空间数据所对应的层图像，包括：对各个所述补全数据层进行逆傅里叶变化换得到对应的图像域数据；将各个所述图像域数据输入至所述图像增强域模型中，得到各个所述欠采样K空间数据对应的去噪声和去伪影的层图像。