[發明專利]基于深度卷積神經網絡的磁共振成像方法

有效

• 申請號: 201811388227.2
• 申請日: 2018-11-21
• 公開（公告）號: CN109350061B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 許林;蔣濤;劉甲甲;袁建英;謝昱銳;熊良
• 申請（專利權）人: 成都信息工程大學
• 主分類號: A61B5/055
• 分類號: A61B5/055
• 代理公司: 北京元本知識產權代理事務所(普通合伙) 11308
• 代理人: 常桑

1.一種基于深度卷積神經網絡的磁共振成像方法，其特征在于，所述基于深度卷積神經網絡的磁共振成像方法包括：

通過K空間中間區域全采樣而周圍隨機降采樣；

對全采樣區域通過算法多次偽隨機降采樣采集訓練樣本以訓練卷積神經網絡自編碼器；利用訓練好的卷積神經網絡自編碼器模型重建周圍降采樣的K空間數據； 自編碼器由編碼器和解碼器兩部分組成；其中，編碼器含有三層卷積層，每一層卷積層后有一層池化層，解碼器由三層反卷積層和反池化層構成，與編碼器成一一對應關系，且輸出大小與輸入訓練樣本大小一致；解碼網絡輸出層通過一個正切激勵函數；

利用反傅里葉變換得到圖像并通過算法去除噪聲；

所述基于深度卷積神經網絡的磁共振成像方法具體包括：

（1）通過對磁共振K空間中間區域全采樣，周圍區域隨機降采樣；

（2）對K空間中間全采樣數據，通過算法進行偽隨機降采樣；

（3）對于未采集到的K空間點置0；

（4）在偽隨機采樣后的K空間中取大小為M*N的窗口數據，作為訓練樣本的輸入；對應的偽隨機采樣前的數據為訓練樣本的輸出；M為頻率編碼方向大小，8M128；N為相位編碼方向大小，其值大于8，小于全采樣的相位編碼步個數；

（5）多次重復偽隨機采樣，得到充足的訓練樣本；

（6）利用卷積神經網絡自編碼器進行模型訓練；

（7）利用訓練好的模型對周圍降采樣的K空間數據進行重建；

（8）通過快速傅里葉反變換得到圖像；

（9）通過去噪算法去除圖像中的噪聲。

2.如權利要求1所述的基于深度卷積神經網絡的磁共振成像方法，其特征在于，所述基于深度卷積神經網絡的磁共振成像方法K空間中間區域全采樣數據，通過算法進行偽隨機降采樣。

3.如權利要求1所述的基于深度卷積神經網絡的磁共振成像方法，其特征在于，所述基于深度卷積神經網絡的磁共振成像方法提取訓練樣本的每個K空間數據的實部和虛部值。

4.如權利要求1所述的基于深度卷積神經網絡的磁共振成像方法，其特征在于，所述基于深度卷積神經網絡的磁共振成像方法對實部和虛部數據分別利用卷積神經網絡自編碼器進行模型訓練；

卷積神經網絡自編碼器由編碼器和解碼器構成；

編碼器由三層卷積層和池化層構成；

解碼器由三層反卷積層和反池化層構成，與編碼器成一一對應關系，且輸出大小與輸入訓練樣本大小一致；

解碼網絡輸出層通過一個正切激勵函數；

自編碼網絡輸出的值與全采樣的K空間數據值的均方根誤差為損失函數，利用可變交替方向算法優化算法更新網絡模型的權重參數；

所述基于深度卷積神經網絡的磁共振成像方法利用訓練好的模型對周圍降采樣的K空間的實部和虛部數據分別進行重建；

將重建的實部和虛部數據重組成復數K空間數據，并與全采樣區域的K空間數據合并組成一幅完整的K空間數據。

5.一種應用權利要求1~4任意一項所述基于深度卷積神經網絡的磁共振成像方法的磁共振成像控制系統。