[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

本發明公開了一種跨對比度引導的超快速核磁共振成像深度學習方法，該方法可以在跨對比度圖像引導之下，從核磁共振成像設備所采集的高度k?空間欠采樣數據中重建出高質量的核磁共振圖像。該方法主要包括跨對比度引導的圖像重建模型構造、模型驅動的深度注意力網絡構造、模型驅動的深度注意力網絡訓練過程、超快速核磁共振成像應用四大步驟。采用多組k?空間欠采樣數據、相應的全采樣數據重建圖像和引導核磁共振圖像訓練網絡參數，使該網絡的輸出圖像盡可能逼近全采樣重建圖像。在應用中，輸入k?空間欠采樣數據及引導核磁共振圖像，其網絡輸出即為重建的高質量核磁共振圖像。

技術領域：

本發明屬于醫學核磁共振成像領域，具體涉及一種跨對比度引導的超快速核磁共振成像深度學習方法，用于實現跨對比度圖像引導之下，從核磁共振設備采集到的k-空間高度欠采樣數據重建出高質量的核磁共振圖像。

背景技術：

核磁共振成像技術是一種領先的、無損傷的生物醫學成像技術。一個典型的核磁共振成像協議包括相同解剖結構的多種對比度序列，可以提供互補信息加強臨床診斷。然而，核磁共振成像技術存在的一個重要問題是其數據采集時間長、成像速度慢。

下面將簡要介紹三類現有的快速核磁共振成像技術。

壓縮傳感核磁共振技術是一種加速核磁共振成像的主流方法，該技術通過在k-空間中對樣本數據進行欠采樣，然后基于少量采樣樣本重建出清晰的核磁共振圖像來加速核磁共振成像速度。傳統的基于模型的壓縮傳感核磁共振方法依賴于與圖像先驗相關的正則化，例如全變差正則化[1,2]、小波正則化[2,3]、非局部正則化[4,5]和字典學習[6,7]。但手工設計一個最優的正則化是具有挑戰的。近年來，深度學習方法被廣泛應用于壓縮傳感核磁共振中。它是基于訓練數據利用深度神經網絡學習出一個從欠采樣數據重建出的低質量圖像到高質量重建圖像的映射[8,9,10,11,12,13]。但這些壓縮傳感核磁共振方法僅考慮利用單一對比度序列(如T1WI或T2WI)重建核磁共振圖像，加速倍數是有限的。

另一種加速核磁共振成像的方法是通過其他對比度全采樣數據生成缺失對比度的核磁共振圖像。這類方法要么學習源對比度圖像塊的字典或稀疏表示用于目標對比度[14,15]，要么直接通過深度神經網絡學習從源對比度到目標對比度的映射[16,17,18,19]。但是，這種方法，具有低的重建精度。

在臨床應用中，一些對比度序列，如T1WI，需要較短的采集時間，允許全采樣，而其他序列，如T2WI和FLAIR，需要較長的采集時間，可以通過欠采樣加速成像。最近，Xiang等人[20]提出跨對比度引導的核磁共振圖像重建方法來加速核磁共振成像。采用Dense-Unet網絡融合欠采樣重建的T2WI圖像和全采樣重建T1WI引導圖像，輸出重建的T2WI核磁共振圖像。但這種網絡既沒有把核磁共振成像機理和領域知識引入網絡結構的設計中，網絡沒有可解釋性，也沒有針對融合問題精心設計特殊的網絡模塊，圖像重建質量不高。

參考文獻：

[1]Block K T,Uecker M,Frahm J.Undersampled radial MRI with multiplecoils.Iterative image reconstruction using a total variation constraint[J].Magnetic Resonance in Medicine,57(6):1086-1098,2007.

[2]Huang J,Chen C,Axel L.Fast multi-contrast MRI reconstruction[J].Magnetic resonance imaging,32(10):1344-1352,2014.