[發明專利]基于Transformer模型的磁共振指紋成像重建方法

在審

• 申請號: 202010982884.0
• 申請日: 2020-09-16
• 公開（公告）號: CN112150568A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 劉華鋒;孫如
• 申請（專利權）人: 浙江大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/04;G06N3/08
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 王琛

本發明公開了一種基于Transformer模型的磁共振指紋成像重建方法，該方法主要分為訓練模型和測試階段兩部分；在訓練階段，采用的網絡是Transformer的模型，包括編碼器和解碼器，網絡的輸入是K空間恢復出的混疊圖像和對應的T1和T2組織屬性圖組成的圖像對，經過編碼器和解碼器不斷地交替訓練來更新兩者的參數，進而優化整個訓練模型，并保存模型；在測試階段，輸入為未經訓練的混疊圖像，輸出即為重建好的組織屬性圖像，最后與真值進行對比，量化重建的精度。因此，本發明算法其既能實現遞歸神經網絡對序列信號時域上的依賴能力，也可以對長的序列進行并行訓練來加速運行效率。

技術領域

本發明屬于生物醫學圖像重建技術領域，具體涉及一種基于Transformer模型的磁共振指紋成像重建方法。

背景技術

近50多年來，傳統的磁共振成像的采集原理未曾有過變化，每次只能逐一掃描得到一張參數屬性圖，這使得多參數圖像的快速成像具有挑戰。在傳統的磁共振圖像技術中，重復使用相同的射頻脈沖，使磁化強度進入穩態，其信號具有固定的T1和T2加權效應。根據這種特性，傳統的磁共振掃描分別重建得到T1組織特性加權圖和T2組織特性加權圖，其中圖像的每個體素處都能得到由組織信號強度的不同而產生的灰度值，但磁共振成像的物理和生理限制使得磁共振掃描過程非常耗時，因此T1和T2加權圖像的獲取都需要較長的采集時間。

為縮短采集時間，在過去已經提出了幾種對T1和T2都敏感的方法來同時量化T1和T2值，其中傳統方法中的基礎算法是字典匹配法，傳統的字典匹配算法包括結合壓縮感測、利用變換域中信號的稀疏性來克服欠采樣偽像的方法和利用多層同時成像來加快體積成像時間的方法等。其中多層同時成像法使用多頻帶射頻脈沖同時激發具有不同射頻頻率的多個層面，然后在重構和模板匹配步驟中分離來自不同層面的信號；在磁共振指紋參數映射中最常使用的是低秩近似法，低秩近似利用時間點圖像之間和指紋演化之間的相關性將數據映射到具有采樣特征屬性的時間壓縮域中；為進一步改善這些低秩逼近方法的性能可以通過加入字典匹配正則化、基于小波的稀疏正則化項來進行約束。

很多方法在原始磁共振指紋迭代重建方法的基礎上改進了重建結果，但是很多沒有利用相鄰時間點之間的時間相似性，所以后期有很多方法專注于磁共振指紋圖像的動態重建，如在動態成像中將獲取的數據建模施加局部低秩約束；局部圖像塊的秩比完整圖像小，在大數據的冗余問題和噪聲恢復方面都體現了更優的數據結果。最近提出的利用字典先驗知識和低秩約束的方法，該方法對字典執行奇異值分解SVD(Singular valuedecomposition)，并將正確的奇異矢量嵌入到解中，以獲得對時間特征的更好估計；在此基礎上也有人提出將低秩與奇異值向量分解相結合來進行改進，這類解決方案與基于稀疏性的方法相比可以改善結果，但是這類重建算法會受到字典匹配的技術限制，所獲得的重建圖像仍會產生量化誤差。

在目前的字典匹配算法中，一旦序列或采集參數發生變化則字典需要重新生成，而這會大大地增加計算的時間和內存。其中，Zhang等人提出了基于卡爾曼濾波器的磁共振指紋重構方法以避免利用字典來獲得連續的磁共振參數的測量值，該卡爾曼濾波器框架推導出了在Bloch方程的物理模型下利用反轉恢復平衡穩態自由進動IR-bSSFP(Inversion-recovery balanced steady state free-precession)的磁共振指紋序列預測的信號演變，然后對輸入的信號不斷進行遞歸計算來更新預測以便準確估計出磁共振參數。但傳統磁共振指紋成像法證明了這類圖像重建方法仍會受到時空相關性和數據稀疏性等困擾，所以近些年很多人考慮利用深度學習方法來加速磁共振指紋的數據采集和后處理以便可以得到更精確、更魯棒的重建結果。