[發明專利]一種基于深度先驗學習的頭頸聯合成像方法和裝置

有效

• 申請號: 201811525187.1
• 申請日: 2018-12-13
• 公開（公告）號: CN109658469B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 王珊珊;肖韜輝;鄭海榮;劉新;梁棟
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/08;G06N3/0464
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 耿慧敏

1.一種基于深度先驗學習的頭頸聯合成像方法，其特征在于，所述方法包括：

獲取待重建的頭頸聯合的磁共振圖像；所述待重建的頭頸聯合的磁共振圖像為含偽影的圖像；

將所述待重建的頭頸聯合的磁共振圖像輸入預先建立的復數卷積神經網絡模型，其中，所述復數卷積神經網絡模型中設置有復數殘差塊；

通過所述復數卷積神經網絡模型，對所述待重建的頭頸聯合的磁共振圖像進行重建，得到無偽影的高分辨率頭頸聯合圖像；

其中，所述復數卷積神經網絡模型依次包括：第一復數卷積層、多個復數殘差塊、第二復數卷積層，其中，每個復數殘差塊中包括有兩個復數卷積層；

所述復數卷積神經網絡模型是按照以下方式建立的：

獲取全采樣樣本圖像，其中，所述全采樣樣本圖像為從磁共振儀獲取的頭頸聯合的磁共振圖像；

對所述全采樣樣本圖像進行欠采樣處理，得到欠采樣樣本圖像；

將所述欠采樣樣本圖像作為訓練樣本，將所述全采樣樣本圖像作為標簽，對預先建立的復數卷積神經網絡進行訓練，得到所述復數卷積神經網絡模型；

將所述欠采樣樣本圖像作為訓練樣本，將所述全采樣樣本圖像作為標簽，對預先建立的復數卷積神經網絡進行訓練，包括：

以如下函數作為目標函數，對所述預先建立的復數卷積神經網絡進行訓練：

其中，x_m表示多通道復數輸入圖像，y_m為全采樣原始圖像，C(x_m；θ)表示網絡的預測輸出，θ＝{(Ω₁,b₁),...,(Ω_l,b_l),...,(Ω_L,b_L)}為訓練需要更新的參數，其中，Ω表示權重，b表示偏置，表示網絡輸出與標簽之間誤差最小時的權重和偏置取值；表示取網絡輸出與標簽之間的最小誤差對應的θ作為M表示訓練樣本的總數量，m表示當前訓練樣本的序號。

2.根據權利要求1所述的方法，其特征在于，復數卷積層中的復數卷積操作表示為：

w*c＝(c_real+ic_imgi)*(w_real+iw_imgi)＝(w_real*c_real-w_imgi*c_imgi)+i(w_real*c_real+w_imgi*c_imgi)

其中，w表示輸入的復數圖像，c表示復數卷積核，c_real表示輸入的復數圖像的實部，c_imgi表示輸入的復數圖像的虛部，w_real表示復數卷積核的實部，w_imgi表示復數卷積核的虛部。

3.根據權利要求1至2中任一項所述的方法，其特征在于，所述待重建的頭頸聯合的磁共振圖像為欠采樣的含偽影的圖像。