[發明專利]一種圖像重建方法、裝置、設備及介質

在審

• 申請號: 201910967772.5
• 申請日: 2019-10-12
• 公開（公告）號: CN110728732A
• 公開（公告）日: 2020-01-24
• 發明（設計）人: 梁棟;程靜;王海峰;朱燕杰;劉新;鄭海榮
• 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;G06K9/00
• 代理公司: 11332 北京品源專利代理有限公司
• 代理人: 孟金喆

本發明實施例公開了一種圖像重建方法、裝置、設備及介質，所述方法包括：獲取采集到的欠采樣數據，將所述欠采樣數據輸入至預先訓練好的目標圖像重建模型中，其中，所述目標圖像重建模型是對原始圖像重建模型的數據保真項進行泛化后求解得到的；獲取所述目標圖像重建模型輸出的重建圖像。本發明實施例所提供的圖像重建方法通過將原始圖像重建模型的數據保真項進行泛化后求解得到目標圖像重建模型，基于得到的目標圖像重建模型以及欠采樣數據得到重建圖像，提高了神經網絡的網絡自由度，且保障了圖像重建過程中的數據一致性，提高了重建的圖像質量。

技術領域

本發明實施例涉及圖像重建領域，尤其涉及一種圖像重建方法、裝置、設備及介質。

背景技術

磁共振利用靜磁場和射頻磁場對人體組織成像，它不僅提供了豐富的組織對比度，且對人體無害，因此成為醫學臨床診斷的一種強有力的工具。但是，成像速度慢一直是制約其快速發展的一大瓶頸，如何在成像質量為臨床可接受的前提下，提高掃描速度，從而減少掃描時間尤為重要。

在快速成像方面，采用深度學習方法進行磁共振圖像重建受到越來越多的關注。深度學習方法利用神經網絡，從大量訓練數據中學習重建所需的最優參數或者直接學習從欠采數據到全采圖像之間的映射關系，從而取得比傳統并行成像或者壓縮感知方法更好的成像質量和更高的加速倍數。迭代軟閾值算法是一種針對L1約束的最優化問題的求解算法，在反問題求解中得到廣泛應用。將深度學習與ISTA算法結合的ISTA-net方法采用深度神經網絡來學習算法中的參數以及稀疏變換，在圖像重建、去噪等問題中能得到比傳統方法更好的效果。但是，現有的深度神經網絡的模型較固定，可能無法有效的保證圖像重建過程中的數據一致性。

發明內容

本發明實施例提供了一種圖像重建方法、裝置、設備及介質，以實現保障圖像重建過程中的數據一致性，提高重建的圖像質量。

第一方面，本發明實施例提供了一種圖像重建方法，包括：

獲取采集到的欠采樣數據，將所述欠采樣數據輸入至預先訓練好的目標圖像重建模型中，其中，所述目標圖像重建模型是對原始圖像重建模型的數據保真項進行泛化后求解得到的；

獲取所述目標圖像重建模型輸出的重建圖像。

第二方面，本發明實施例還提供了一種圖像重建裝置，包括：

欠采樣數據獲取模塊，用于獲取采集到的欠采樣數據，將所述欠采樣數據輸入至預先訓練好的目標圖像重建模型中，其中，所述圖像重建模型是對原始圖像重建模型的數據保真項進行泛化后求解得到的；

重建圖像獲取模塊，用于獲取所述目標圖像重建模型輸出的重建圖像。

第三方面，本發明實施例還提供了一種計算機設備，所述設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如本發明任意實施例所提供的圖像重建方法。

第四方面，本發明實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如本發明任意實施例所提供的圖像重建方法。

本發明實施例通過獲取待分割視頻，確定知識點數據與所述待分割視頻中視頻幀之間的對應關系；根據所述對應關系對所述待分割視頻進行分割，得到至少一個視頻片段，通過根據待分割視頻中的知識點數據對待分割視頻進行分割，簡化了視頻的分割過程，提高了視頻的分割準確度。