[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡去除磁共振圖像降采樣偽影的方法

有效

• 申請?zhí)枺?/td>: 201710762719.2
• 申請日: 2017-08-30
• 公開（公告）號: CN107507148B
• 公開（公告）日: 2018-12-18
• 發(fā)明（設計）人: 馮衍秋;張倩倩
• 申請（專利權）人: 南方醫(yī)科大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 北京科億知識產(chǎn)權代理事務所(普通合伙) 11350
• 代理人: 趙蕊紅

基于卷積神經(jīng)網(wǎng)絡去除磁共振圖像降采樣偽影的方法，將帶有偽影的樣本磁共振圖像作為輸入圖像，通過卷積神經(jīng)網(wǎng)絡框架進行處理，最終得到無偽影的結果圖像，(一)獲取最優(yōu)模型，T1、對樣本磁共振圖像進行預處理；T2、搭建卷積神經(jīng)網(wǎng)絡基本框架；T3、對卷積神經(jīng)網(wǎng)絡基本框架參數(shù)進行初始化；T4、通過訓練數(shù)據(jù)對卷積神經(jīng)網(wǎng)絡基本框架參數(shù)進行優(yōu)化，得到最優(yōu)模型；(二)通過最優(yōu)模型對待處理圖像進行去偽影得到目標圖像，T5、將經(jīng)過預處理的待處理圖像數(shù)據(jù)代入最優(yōu)模型中，輸出結果圖像。該發(fā)明建立的最優(yōu)模型可以有效去除降采樣造成的偽影，獲得較高的分辨率以及對比度，并很好的保留圖像的細節(jié)。

技術領域

本發(fā)明涉及醫(yī)療設備技術領域，特別是涉及基于卷積神經(jīng)網(wǎng)絡去除磁共振圖像降采樣偽影的方法。

背景技術

磁共振成像是醫(yī)學診斷領域的重要組成部分。然而，磁共振成像中經(jīng)常出現(xiàn)由于降采樣導致的偽影如由于k空間的有限采樣導致的高頻數(shù)據(jù)的丟失造成的吉布斯偽影，并行成像中的由于降采導致的混疊偽影以及噪聲，進行Radial/Spiral掃描時圖像中出現(xiàn)的的細條紋偽影等等。圖像中的由于降采導致的偽影會造成圖像對比度與空間分辨率的大幅降低，所以，找到一個有效的去除偽影的方法是十分必要的。

在過去的很多年里，有很多的去除降采樣偽影的圖像后處理的算法得以提出和發(fā)展，例如對于吉布斯偽影來說最常用的是濾波算法，移除k空間的高頻數(shù)據(jù)，但這種方法有一個很嚴重的缺陷就是會造成圖像分辨率大幅下降并使圖像變得模糊。對于并行成像來說，SENSE，GRAPPA，壓縮感知這些方法雖能很好的重建降采樣的數(shù)據(jù)，但很難恢復由于降采樣導致的丟失的細節(jié)結構，也很難徹底的將偽影去除干凈。

在很早之前，就有研究學者提出了基于神經(jīng)網(wǎng)絡來去截斷偽影。但這個方法只應用在一維信號和一個模擬圖像上，且當這個方法應用在圖像時，必須是一行一行地去計算，即這個方法只能做1維的預測，因此這個方法需要的計算時間過長。

也有研究學者提出了用神經(jīng)網(wǎng)絡的方法來重建并行成像的數(shù)據(jù)同時去除由于降采樣導致的混疊偽影。這種方法同時適用于笛卡爾采樣，Radial/Spiral采樣，但是仍然會存在細節(jié)結構丟失的現(xiàn)象和偽影殘留的現(xiàn)象，且圖像質量不高。

因此，針對現(xiàn)有技術不足，提供基于卷積神經(jīng)網(wǎng)絡去除磁共振圖像降采樣偽影的方法以解決現(xiàn)有技術不足甚為必要。

發(fā)明內(nèi)容

本發(fā)明的目的在于避免現(xiàn)有技術的不足之處而提供基于卷積神經(jīng)網(wǎng)絡去除磁共振圖像降采樣偽影的方法，該基于卷積神經(jīng)網(wǎng)絡去除磁共振圖像降采樣偽影的方法建立的最優(yōu)模型可以有效去除降采樣造成的偽影，獲得較高的分辨率以及對比度，并很好的保留圖像的細節(jié)，具有高的魯棒性，還可以使用該模型對其他待處理圖像進行偽影的去除。

本發(fā)明的上述目的通過如下技術手段實現(xiàn)。

提供基于卷積神經(jīng)網(wǎng)絡去除磁共振圖像降采樣偽影的方法，將帶有偽影的磁共振圖像通過卷積神經(jīng)網(wǎng)絡處理得到無偽影的結果圖像；

將帶有偽影的樣本磁共振圖像作為輸入圖像，通過卷積神經(jīng)網(wǎng)絡框架進行處理獲得最優(yōu)模型，再將待處理的磁共振圖像輸入最優(yōu)模型得到無偽影的結果圖像。

具體步驟如下：

(一)獲取最優(yōu)模型

T1、對樣本磁共振圖像進行預處理；

T2、搭建卷積神經(jīng)網(wǎng)絡的基本框架；

T3、對卷積神經(jīng)網(wǎng)絡基本框架參數(shù)進行優(yōu)化，得到最優(yōu)模型；

(二)通過最優(yōu)模型對待處理圖像進行去偽影得到目標圖像

T4、將經(jīng)過預處理的待處理圖像數(shù)據(jù)代入最優(yōu)模型中，輸出結果圖像。

具體而言的，步驟T1的預處理操作步驟如下：