[发明专利]基于深度学习的心脏磁共振电影成像伪影抑制方法和系统

权利要求书

1.一种基于深度学习的心脏磁共振电影成像伪影抑制方法，其特征在于，包括：

步骤S1：采集有黑带伪影或血流伪影的心脏磁共振电影图像，对图像进行预处理操作，并进行图像联合计算获得无伪影图像；

步骤S2：构建深度学习模型，模型中的伪影抑制网络的输入为有黑带伪影或血流伪影的心脏电影图像，输出为黑带伪影或血流伪影抑制后的心脏电影图像；

步骤S3：利用预处理后的有伪影图像和无伪影图像对深度学习模型进行网络训练，直至伪影抑制网络的参数达到目标条件，得到训练后的深度学习模型并进行保存；

步骤S4：根据训练后的深度学习模型，将待消除黑带伪影或血流伪影的心脏电影图像进行伪影消除，得到伪影消除后的心脏电影图像。

2.根据权利要求1所述的基于深度学习的心脏磁共振电影成像伪影抑制方法，其特征在于，对采集的心脏磁共振电影图像的预处理包括：

首先，根据图像采集时的图像分辨率，调整k空间大小以固定图像的物理分辨率；

其次，将图像大小裁剪至统一尺寸；

然后，对于具有不同偏置频率的图像，以0Hz为参考图像，将剩余图像进行配准；

最后，将图像强度归一化至[0,1]范围。

3.根据权利要求1所述的基于深度学习的心脏磁共振电影成像伪影抑制方法，其特征在于，图像联合计算的过程包括：获取伪影抑制网络的训练标签：选择偏置频率为0Hz附近的多组心脏电影图像，通过平均计算获得无伪影图像。

4.根据权利要求1所述的基于深度学习的心脏磁共振电影成像伪影抑制方法，其特征在于，伪影抑制网络搭建过程包括：伪影抑制网络架构包含依次级联的输入层、第一阶段卷积层、下采样层、第二阶段卷积层、…、第N-1卷积层、上采样层、第N卷积层和输出层；其中，第i阶段卷积层和第N-i卷积层相对应，将第i阶段卷积层的输出和第N-i卷积层后的上采样层输出结合起来，作为第N层卷积层的输入，其中N为大于2的正整数；伪影抑制网络的输入包含有黑带伪影或血流伪影的原始心脏电影图像；输出为黑带伪影、血流伪影得到抑制后的图像；

构建伪影抑制网络的损失函数：输入一个三维心脏磁共振电影图像x，伪影抑制网络对输入x进行处理，得到伪影抑制后的结果F_AS(x)，y_AS是AS标签；

L_AS(x)＝L_recon(F_AS(x),y_AS)+λ_ASL_perceptual(F_AS(x),y_AS)

其中，L_recon代表图像恢复损失；L_perceptual代表感知损失；λ为权衡图像恢复损失和感知损失的权重。