[發(fā)明專利]基于深度卷積神經(jīng)網(wǎng)絡的磁共振成像方法

有效

• 申請?zhí)枺?/td>: 201811388227.2
• 申請日: 2018-11-21
• 公開（公告）號: CN109350061B
• 公開（公告）日: 2022-03-15
• 發(fā)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(chǎn)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(jīng)網(wǎng)絡的磁共振成像方法，其特征在于，所述基于深度卷積神經(jīng)網(wǎng)絡的磁共振成像方法包括：

通過K空間中間區(qū)域全采樣而周圍隨機降采樣；

對全采樣區(qū)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(jīng)網(wǎng)絡自編碼器；利用訓練好的卷積神經(jīng)網(wǎng)絡自編碼器模型重建周圍降采樣的K空間數(shù)據(jù)； 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(wǎng)絡輸出層通過一個正切激勵函數(shù)；

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(jīng)網(wǎng)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(qū)域全采樣，周圍區(qū)域隨機降采樣；

（2）對K空間中間全采樣數(shù)據(jù)，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(shù)據(jù)，作為訓練樣本的輸入；對應的偽隨機采樣前的數(shù)據(jù)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(shù)；

（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(jīng)網(wǎng)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(shù)據(jù)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(jīng)網(wǎng)絡的磁共振成像方法，其特征在于，所述基于深度卷積神經(jīng)網(wǎng)絡的磁共振成像方法K空間中間區(qū)域全采樣數(shù)據(jù)，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(jīng)網(wǎng)絡的磁共振成像方法，其特征在于，所述基于深度卷積神經(jīng)網(wǎng)絡的磁共振成像方法提取訓練樣本的每個K空間數(shù)據(jù)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(jīng)網(wǎng)絡的磁共振成像方法，其特征在于，所述基于深度卷積神經(jīng)網(wǎng)絡的磁共振成像方法對實部和虛部數(shù)據(jù)分別利用卷積神經(jīng)網(wǎng)絡自編碼器進行模型訓練；

卷積神經(jīng)網(wǎng)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(wǎng)絡輸出層通過一個正切激勵函數(shù)；

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

所述基于深度卷積神經(jīng)網(wǎng)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(shù)據(jù)分別進行重建；

將重建的實部和虛部數(shù)據(jù)重組成復數(shù)K空間數(shù)據(jù)，并與全采樣區(qū)域的K空間數(shù)據(jù)合并組成一幅完整的K空間數(shù)據(jù)。

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(jīng)網(wǎng)絡的磁共振成像方法的磁共振成像控制系統(tǒng)。