[發(fā)明專利]醫(yī)學(xué)成像模型的建立方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811611862.2
• 申請日: 2018-12-27
• 公開（公告）號: CN111383741B
• 公開（公告）日: 2022-05-10
• 發(fā)明（設(shè)計）人: 王珊珊;梁棟;柯子文;劉新;鄭海榮
• 申請（專利權(quán)）人: 深圳先進(jìn)技術(shù)研究院
• 主分類號: G16H30/20
• 分類號: G16H30/20;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實施例公開了一種醫(yī)學(xué)成像模型的建立方法、裝置、設(shè)備及存儲介質(zhì)。該方法包括：獲取醫(yī)學(xué)圖像的K空間欠采樣數(shù)據(jù)作為訓(xùn)練樣本；將所述訓(xùn)練樣本輸入至預(yù)先構(gòu)建的所述原始神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，所述原始神經(jīng)網(wǎng)絡(luò)包括頻率域網(wǎng)絡(luò)FDN以及圖像域網(wǎng)絡(luò)SDN，所述頻率域網(wǎng)絡(luò)FDN與所述圖像域網(wǎng)絡(luò)SDN之間通過傅里葉逆變換IFFT連接；將訓(xùn)練完成的所述原始神經(jīng)網(wǎng)絡(luò)作為目標(biāo)醫(yī)學(xué)成像模型。本發(fā)明實施例的技術(shù)方案實現(xiàn)更準(zhǔn)確、更快速地對K空間欠采樣醫(yī)學(xué)圖像進(jìn)行重建。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及磁共振成像技術(shù)領(lǐng)域，尤其涉及一種醫(yī)學(xué)成像模型的建立方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

磁共振心臟電影成像是一種非侵入式的成像技術(shù)，能夠為臨床診斷提供豐富的空間和時間信息。由于磁共振物理及硬件的制約磁共振心臟電影成像往往伴隨著掃描時間長及成像速度慢等缺點。因此，如何在保證成像質(zhì)量的前提下，加速磁共振心臟電影成像尤為重要。

現(xiàn)有技術(shù)中常用的加速磁共振心臟電影成像的方法，包括并行成像、壓縮感知技術(shù)、深度學(xué)習(xí)的方法等。例如，動態(tài)廣義自動校準(zhǔn)部分并行采集(TGRAPPA)、利用時間濾波器的自適應(yīng)敏感度編碼(TSENSE)、利用時間頻率稀疏性的焦欠定系統(tǒng)(k-t FOCUSS)、利用動態(tài)冗余的卡爾基方法(k-t SLR)、低秩稀疏矩陣(L+S)等。此類方法利用了數(shù)據(jù)的空間信息，來填充欠采樣的K空間數(shù)據(jù)。在磁共振心臟電影成像領(lǐng)域，基于級聯(lián)卷積網(wǎng)絡(luò)的磁共振動態(tài)成像(D5C5)及卷積遞歸神經(jīng)網(wǎng)絡(luò)(CRNN)也可以用于磁共振心臟電影成像領(lǐng)域，這兩種方法利用神經(jīng)網(wǎng)絡(luò)，可以直接學(xué)習(xí)從欠采樣圖像到全采樣圖像的映射關(guān)系。傳統(tǒng)的并行成像或者壓縮感知技術(shù)，沒有利用大數(shù)據(jù)先驗，并且這種迭代優(yōu)化方法往往是耗時的且參數(shù)較難選擇。而基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)方法(D5C5、CRNN)也存在明顯的不足，均在圖像域構(gòu)建整個網(wǎng)絡(luò)，沒有充分地利用頻率域信息。現(xiàn)有技術(shù)中的方法無法更準(zhǔn)確地對磁共振心臟電影圖像進(jìn)行重建。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種醫(yī)學(xué)成像模型的建立方法、裝置、設(shè)備及存儲介質(zhì)，以實現(xiàn)更準(zhǔn)確、更快速地對K空間欠采樣醫(yī)學(xué)圖像進(jìn)行重建。

第一方面，本發(fā)明實施例提供了一種醫(yī)學(xué)成像模型的建立方法，該方法包括：

獲取醫(yī)學(xué)圖像的K空間欠采樣數(shù)據(jù)作為訓(xùn)練樣本；

將所述訓(xùn)練樣本輸入至預(yù)先構(gòu)建的所述原始神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，所述原始神經(jīng)網(wǎng)絡(luò)包括頻率域網(wǎng)絡(luò)FDN以及圖像域網(wǎng)絡(luò)SDN，所述頻率域網(wǎng)絡(luò)FDN與所述圖像域網(wǎng)絡(luò)SDN之間通過傅里葉逆變換IFFT連接；

將訓(xùn)練完成的所述原始神經(jīng)網(wǎng)絡(luò)作為目標(biāo)醫(yī)學(xué)成像模型。

第二方面，本發(fā)明實施例還提供了一種醫(yī)學(xué)成像模型的建立裝置，該裝置包括：

訓(xùn)練樣本獲取模塊，用于獲取醫(yī)學(xué)圖像的K空間欠采樣數(shù)據(jù)作為訓(xùn)練樣本；

訓(xùn)練模塊，用于將所述訓(xùn)練樣本輸入至預(yù)先構(gòu)建的所述原始神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，所述原始神經(jīng)網(wǎng)絡(luò)包括頻率域網(wǎng)絡(luò)FDN以及圖像域網(wǎng)絡(luò)SDN，所述頻率域網(wǎng)絡(luò)FDN與所述圖像域網(wǎng)絡(luò)SDN之間通過傅里葉逆變換IFFT連接；

目標(biāo)醫(yī)學(xué)成像模型確定模塊，用于將訓(xùn)練完成的所述原始神經(jīng)網(wǎng)絡(luò)作為目標(biāo)醫(yī)學(xué)成像模型。

第三方面，本發(fā)明實施例還提供了一種設(shè)備，該設(shè)備包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序，

當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)本發(fā)明實施例中任一所述的醫(yī)學(xué)成像模型的建立方法。

第四方面，本發(fā)明實施例還提供了一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，該程序被處理器執(zhí)行時實現(xiàn)本發(fā)明實施例中任一所述的醫(yī)學(xué)成像模型的建立方法。