[發明專利]一種跨對比度引導的超快速核磁共振成像深度學習方法

有效

• 申請號: 202010627841.0
• 申請日: 2020-07-02
• 公開（公告）號: CN111870245B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 楊燕;孫劍;王娜;楊鶴然;徐宗本
• 申請（專利權）人: 西安交通大學
• 主分類號: A61B5/055
• 分類號: A61B5/055;G01R33/48;G01R33/56;G06K9/62;G06N3/04;G06N3/08;G06V10/80;G06V10/82
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 閔岳峰

1.一種跨對比度引導的超快速核磁共振成像深度學習方法，其特征在于，包括如下步驟：

1)構造跨對比度引導的超快速核磁共振圖像重建模型：基于核磁共振成像機理和壓縮傳感理論構造重建模型；跨對比度引導的超快速核磁共振圖像重建模型是一個壓縮傳感重建模型，包括k-空間欠采樣數據一致項用于建模核磁共振成像機理和跨對比度先驗項用于建模兩個對比度圖像的相關性；

2)構造模型驅動的深度注意力網絡，該深度注意力網絡構造方法是：將優化上述超快速核磁共振圖像重建模型的半二次分裂迭代算法的計算過程展開并抽象為深度注意力網絡；

3)模型驅動的深度注意力網絡訓練過程：基于訓練數據集，用Adam優化算法學習深度注意力網絡的最優參數，使得深度注意力網絡以高度欠采樣數據為輸入時的網絡輸出逼近相應全采樣數據重建的核磁共振圖像；

4)應用訓練好的模型驅動的深度注意力網絡進行核磁共振成像過程：輸入k-空間高度欠采樣數據及跨對比度引導核磁共振圖像，深度注意力網絡輸出即為重建的核磁共振圖像。

2.根據權利要求1所述的一種跨對比度引導的超快速核磁共振成像深度學習方法，其特征在于，所述步驟2)中的半二次分裂迭代算法中的用于圖像融合的鄰近點算子操作和圖像重建操作確定了由跨對比度融合塊和圖像重建塊構成的模型驅動的深度注意力網絡。

3.根據權利要求1所述的一種跨對比度引導的超快速核磁共振成像深度學習方法，其特征在于，所述步驟3)中，訓練數據集Γ由多個數據組構成，每個數據組由k-空間欠采樣數據y_s、相應的全采樣數據重建圖像和跨對比度引導核磁共振圖像x_g組成；深度注意力網絡訓練的目標函數定義為：

其中，|Γ|表示訓練數據集中元素個數，為深度注意力網絡輸出圖像，Θ為深度注意力網絡的參數；采用反向傳播算法計算目標函數相對于深度注意力網絡參數的梯度，然后基于訓練數據集采用Adam算法優化深度注意力網絡參數，獲得最優參數Θ^*。

4.根據權利要求3所述的一種跨對比度引導的超快速核磁共振成像深度學習方法，其特征在于，所述步驟4)的深度注意力網絡具體應用過程如下：在進行核磁共振成像時，先通過核磁共振設備采集k-空間欠采樣數據和跨對比度引導核磁共振圖像全采樣數據，然后將k-空間欠采樣數據和引導核磁共振圖像送入訓練好的模型驅動的深度注意力網絡，深度注意力網絡輸出的圖像即為重建的核磁共振圖像。