[发明专利]一种基于深度神经网络的压缩传感核磁共振成像方法

摘要

本发明公开了一种基于深度神经网络的压缩传感核磁共振成像方法，该方法可从核磁共振成像设备所采集到的k‑空间低采样数据重建出高质量的核磁共振图像。该方法主要包括交替方向乘子法深度神经网络的构造、网络参数训练过程、应用于压缩传感核磁共振成像三大步骤。采用多对低采样率下的采样数据和相应全采样数据重建的核磁共振图像为训练数据集，训练交替方向乘子法神经网络的模型参数，使该深度神经网络以低采样率下的采样数据为输入时的输出图像尽可能逼近全采样数据重建的图像；在应用中，给定低采样率下的k‑空间采样数据，将其输入到训练好的交替方向乘子法深度神经网络，该网络的输出即为重建的核磁共振图像。

主权项

一种基于深度神经网络的压缩传感核磁共振成像方法，其特征在于，包括如下步骤：1)构造深度神经网络：将优化压缩传感能量模型的交替方向乘子迭代算法的计算过程抽象为深度神经网络，即交替方向乘子法深度神经网络；2)训练数据集构造：为训练交替方向乘子法深度神经网络，构造训练数据集，训练数据集由多个数据对构成，每个数据对由傅里叶变换域，即k‑空间采样数据和相应的全采样数据重建的核磁共振图像组成，全采样数据重建的核磁共振图像是网络训练的输出目标；3)交替方向乘子法深度神经网络参数训练过程：基于上述训练数据集，用反向传播算法学习深度神经网络模型最优参数θ*，使得深度神经网络以低采样数据为输入时的网络输出逼近相应全采样数据重建的核磁共振图像；其中，网络输出的目标函数R(θ)定义为：R(θ)=1|Γ|Σ(y,xgt)Γ||x^(y,θ)-xgt||2||xgt||2]]>其中，Γ为训练数据集，|Γ|表示训练数据集中元素个数，y为核磁共振成像设备采集的k‑空间采样数据，xgt为相应全采样数据重建的核磁共振图像，为网络输出图像，θ为深度神经网络模型参数；4)应用训练好的交替方向乘子法深度神经网络进行核磁共振图像重建过程：输入k‑空间的采样数据，其网络输出即为重建的核磁共振图像。