[發明專利]一種基于深度學習的磁共振波譜重建方法

有效

• 申請號: 201910075573.3
• 申請日: 2019-01-25
• 公開（公告）號: CN109903259B
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 屈小波
• 申請（專利權）人: 廈門大學
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

一種基于深度學習的磁共振波譜重建方法，涉及磁共振波譜重建方法。利用指數函數生成磁共振波譜的時域信號；建立欠采樣時域信號與全采樣波譜的訓練集；設計數據校驗卷積神經網絡結構中的卷積神經網絡；設計數據校驗卷積神經網絡結構中的瓶頸層；設計數據校驗卷積神經網絡結構中的數據校驗層；設計數據校驗卷積神經網絡結構中的反饋功能；建立數據校驗卷積神經網絡結構作為波譜重建模型；訓練網絡最優化參數；對目標的欠采樣磁共振時域信號進行重建；在時頻域進行欠采樣操作的同時，利用卷積神經網絡的強擬合能力和數據校驗層數據校驗的能力，完成對欠采樣磁共振波譜信號的快速且高質量的重建。

技術領域

本發明涉及磁共振波譜重建方法，尤其是涉及一種基于深度學習的磁共振波譜重建方法。

背景技術

磁共振波譜(Magnetic Resonance Spectroscopy,MRS)是一種測定分子結構的一項技術，在醫學、化學和生物學等領域有著重要應用。在磁共振波譜中，如何保證波譜信號質量的同時降低采樣時間是磁共振波譜的關鍵。

傳統的磁共振重建方法主要利用磁共振時間或者頻率信號的數學特性來重建頻譜。Qu Xiaobo等(Qu X,Mayzel M,Cai J,Chen Z,Orekhov V.Accelerated NMRspectroscopy with low-Rank reconstruction[J].Angewandte Chemie InternationalEdition,2015,54(3):852-854.)提出了一種基于低秩漢克爾矩陣的磁共振波譜重建方法，在欠采樣過程中重建出的高質量波譜信號，解決了對不同寬度的譜峰重建效果差的問題。該方法還擴展到了三維及更高維的波譜重建中(Ying J,Lu H,Wei Q,Cai J,Guo D,Wu J,Chen Z,Qu X.Hankel matrix nuclear norm regularized tensor completion for N-dimensional exponential signals[J],IEEE Transactions on Signal Processing,2017,65(14):3702-3717.)，還通過對漢克爾矩陣的范德蒙分解(Ying J,Cai J,Guo Di,Tang G,Chen Z,Qu X,Vandermonde factorization of Hankel matrix for complexexponential signal recovery—application in fast NMR spectroscopy[J],IEEETransactions on Signal Processing,2018,66(21):5520-5533.)和奇異值操作(Guo D,Qu X.Improved reconstruction of low intensity magnetic resonance spectroscopywith weighted low rank Hankel matrix completion[J].IEEE Access,2018,6:4933-4940)和(Qu X,Qiu T,Guo Di,Lu H,Ying J,Shen M,Hu B,Orekhov V,Chen Z.High-fidelity spectroscopy reconstruction in accelerated NMR[J],ChemicalCommunications,2018,54(78):10958-10961.)提高了波譜重建對密集譜峰和低強度譜峰的重建能力。但是，這類低秩漢克爾矩陣重建方法在迭代計算中的奇異值分解的時間消耗高，因此導致波譜重建時間較長。Guo Di等(Guo D,Lu H,Qu X.A fast low rank Hankelmatrix factorization reconstruction method for non-uniformly sampled magneticresonance spectroscopy[J].IEEE Access,2017,5:16033-16039.)成功地將低秩矩陣進行因式分解并引入并行計算，避免時間復雜度高的奇異值分解方法。Lu Hengfa等(Lu H,Zhang X,Qiu T,Yang J,Ying J,Guo D,Chen Z,Qu X.Low rank enhanced matrixrecovery of hybrid time and frequency data in fast magnetic resonancespectroscopy[J].IEEE Transactions on Biomedical Engineering,2018,65(4):809-820.)則提出利用費羅貝尼烏斯范數項進行矩陣因子分解來避免奇異值分解，完成對欠采樣多維磁共振波譜信號的快速和高質量波譜重建。