[发明专利]一种基于深度学习和数据自洽的磁共振弥散加权成像方法

摘要

本发明公开了一种基于深度学习和数据自洽的磁共振弥散加权成像方法，涉及磁共振弥散加权成像领域；其包括：1：通过由数据自洽层、CNN网络和相位约束层组成的网络模块重复叠加构建网络后，执行包含预扫描和导航回波的序列确定网络的输入数据和训练标记数据；2：将训练标记数据作为目标，将输入数据对应的图像输入已构建的网络通过反向传播训练得到网络的输入输出映射关系；3：执行包含预扫描和无导航回波的序列获得成像信号和数据自洽卷积核，将其输入网络通过前向传播映射获得输出图像完成重建；解决了现有基于传统的弥散加权成像受限各因素导致成像分辨率低的问题，达到了提高网络学习能力，提高成像分辨率的效果。

主权项

1.一种基于深度学习和数据自洽的磁共振弥散加权成像方法，其特征在于：包括如下步骤：步骤1：通过由数据自洽层、CNN网络和相位约束层组成的网络模块重复叠加构建网络后，执行包含预扫描和导航回波的多次激发弥散加权序列获得多次激发成像信号和数据自洽卷积核并确定网络的输入数据和训练标记数据；步骤2：将训练标记数据作为目标，将输入数据对应的图像、多次激发成像信号和数据自洽卷积核输入已构建的网络通过反向传播训练得到网络的输入输出映射关系；步骤3：执行包含预扫描和无导航回波的多次激发弥散加权序列获得成像信号和数据自洽卷积核，将成像信号对应的图像输入已完成训练的网络并融入数据自洽卷积核通过前向传播映射获得输出图像完成重建。