[發(fā)明專利]基于對(duì)抗網(wǎng)絡(luò)的擴(kuò)散加權(quán)圖像壓縮感知恢復(fù)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011451621.3
• 申請(qǐng)日: 2020-12-07
• 公開（公告）號(hào): CN112419203B
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計(jì)）人: 曹穎;王麗會(huì)
• 申請(qǐng)（專利權(quán)）人: 貴州大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06N3/094;G06N3/0475
• 代理公司: 貴州博創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 52122
• 代理人: 劉艷

1.一種基于對(duì)抗網(wǎng)絡(luò)的擴(kuò)散加權(quán)圖像壓縮感知恢復(fù)方法，其特征在于，包括：

獲取擴(kuò)散加權(quán)圖像DWI空域圖像；

對(duì)所述DWI空域圖像進(jìn)行欠采樣處理，得到欠采樣空域圖像；

將所述欠采樣空域圖像輸入到生成器中，將所述DWI空域圖像輸入到判別器中，其中，所述生成器與所述判別器耦合，所述生成器用于根據(jù)所述欠采樣空域圖像進(jìn)行圖像生成，并將生成的圖像輸入到所述判別器中；所述判別器用于判別所述生成器產(chǎn)生的圖像為假，用于判別所述DWI空域圖像為假；所述生成器和所述判別器分為神經(jīng)網(wǎng)絡(luò)模型；

通過(guò)所述生成器和所述判別器進(jìn)行交替訓(xùn)練以進(jìn)行對(duì)抗，得到所述生成器和/或所述判別器的神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的網(wǎng)絡(luò)參數(shù)；

使用得到的所述網(wǎng)絡(luò)參數(shù)對(duì)需要進(jìn)行恢復(fù)的欠采樣DWI進(jìn)行恢復(fù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在對(duì)所述DWI空域圖像進(jìn)行欠采樣處理之前，所述方法還包括：

至少對(duì)所述DWI空域圖像進(jìn)行歸一化處理，將所述DWI空域圖像數(shù)據(jù)歸一到[-1，1]。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，對(duì)所述DWI空域圖像進(jìn)行欠采樣處理得到所述欠采樣空域圖像包括：

將所述DWI空域圖像轉(zhuǎn)為空間信號(hào)；

選擇欠采樣模板，其中，不同的欠采樣模板產(chǎn)生不同形式的偽影；

使用選擇的欠采樣模板處理所述空間信號(hào)；

將處理后的空間信號(hào)轉(zhuǎn)換為DWI，得到所述欠采樣空域圖像。

4.根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的方法，其特征在于，使用得到的所述網(wǎng)絡(luò)參數(shù)對(duì)需要進(jìn)行恢復(fù)的欠采樣DWI進(jìn)行恢復(fù)之后，所述方法還包括：

從DWI重建恢復(fù)后的擴(kuò)散張量成像DTI，并分析擴(kuò)散特性。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，

從DWI重建恢復(fù)后的擴(kuò)散張量成像DTI包括：通過(guò)最小二乘擬合從DWI重建恢復(fù)后的擴(kuò)散張量成像DTI；和/或，

分析擴(kuò)散特性包括：從所述DTI計(jì)算得到以下參數(shù)至少之一：分?jǐn)?shù)各向異性FA、均擴(kuò)散系數(shù)MD、纖維之間夾角誤差，并根據(jù)計(jì)算得到的參數(shù)進(jìn)行分析。

6.一種基于對(duì)抗網(wǎng)絡(luò)的擴(kuò)散加權(quán)圖像壓縮感知恢復(fù)裝置，其特征在于，包括：

獲取模塊，用于獲取擴(kuò)散加權(quán)圖像DWI空域圖像；

欠采樣模塊，用于對(duì)所述DWI空域圖像進(jìn)行欠采樣處理，得到欠采樣空域圖像；

輸入模塊，用于將所述欠采樣空域圖像輸入到生成器中，將所述DWI空域圖像輸入到判別器中，其中，所述生成器與所述判別器耦合，所述生成器用于根據(jù)所述欠采樣空域圖像進(jìn)行圖像生成，并將生成的圖像輸入到所述判別器中；所述判別器用于判別所述生成器產(chǎn)生的圖像為假，用于判別所述DWI空域圖像為假；所述生成器和所述判別器分為神經(jīng)網(wǎng)絡(luò)模型；

訓(xùn)練模塊，用于通過(guò)所述生成器和所述判別器進(jìn)行交替訓(xùn)練以進(jìn)行對(duì)抗，得到所述生成器和/或所述判別器的神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的網(wǎng)絡(luò)參數(shù)；

恢復(fù)模塊，用于使用得到的所述網(wǎng)絡(luò)參數(shù)對(duì)需要進(jìn)行恢復(fù)的欠采樣DWI進(jìn)行恢復(fù)。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括：

處理模塊，用于至少對(duì)所述DWI空域圖像進(jìn)行歸一化處理，將所述DWI空域圖像數(shù)據(jù)歸一到[-1，1]。

8.根據(jù)權(quán)利要求6或7所述的裝置，其特征在于，所述處理模塊用于：

將所述DWI空域圖像轉(zhuǎn)為空間信號(hào)；

選擇欠采樣模板，其中，不同的欠采樣模板產(chǎn)生不同形式的偽影；

使用選擇的欠采樣模板處理所述空間信號(hào)；

將處理后的空間信號(hào)轉(zhuǎn)換為DWI，得到所述欠采樣空域圖像。

9.根據(jù)權(quán)利要求6至8中任一項(xiàng)所述的裝置，其特征在于，還包括：

分析模塊，用于從DWI重建恢復(fù)后的擴(kuò)散張量成像DTI，并分析擴(kuò)散特性。

10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，

所述分析模塊，用于通過(guò)最小二乘擬擬合從DWI重建恢復(fù)后的擴(kuò)散張量成像DTI；和/或，用于從所述DTI計(jì)算得到以下參數(shù)至少之一：分?jǐn)?shù)各向異性FA、均擴(kuò)散系數(shù)MD、纖維之間夾角誤差，并根據(jù)計(jì)算得到的參數(shù)進(jìn)行分析。