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

本申請公開了基于對抗網(wǎng)絡(luò)的擴(kuò)散加權(quán)圖像壓縮感知恢復(fù)方法及裝置，該方法包括：獲取擴(kuò)散加權(quán)圖像DWI空域圖像；對所述DWI空域圖像進(jìn)行欠采樣處理，得到欠采樣空域圖像；將所述欠采用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；通過所述生成器和所述判別器進(jìn)行交替訓(xùn)練以進(jìn)行對抗，得到所述生成器和/或所述判別器的神經(jīng)網(wǎng)絡(luò)對應(yīng)的網(wǎng)絡(luò)參數(shù)；使用得到的所述網(wǎng)絡(luò)參數(shù)對需要進(jìn)行恢復(fù)的欠采樣DWI進(jìn)行恢復(fù)。通過本申請解決現(xiàn)有的偽影和噪聲地去除方法不具備學(xué)習(xí)能力的問題，使用神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行計算，使其具有了學(xué)習(xí)型，并提高了計算效率，在一定程度上節(jié)約了硬件計算資源。

技術(shù)領(lǐng)域

本申請涉及圖像處理領(lǐng)域，具體而言，涉及一種基于對抗網(wǎng)絡(luò)的擴(kuò)散加權(quán)圖像壓縮感知恢復(fù)方法及裝置。

背景技術(shù)

磁共振擴(kuò)散成像技術(shù)(diffusion?magnetic?resonance?imaging,dMRI)是目前唯一一種可以無損傷、無輻射地檢測人體組織微觀結(jié)構(gòu)的成像手段，可以檢測生物組織中水分子擴(kuò)散位移的情況，進(jìn)而推斷出組織纖維方向、組織結(jié)構(gòu)的完整性、以及組織的大小、容積比等微觀信息。根據(jù)預(yù)先設(shè)定的擴(kuò)散編碼梯度(測量參數(shù)b值與測量方向bvec)，采集得到擴(kuò)散加權(quán)圖像DWI。然而DWI的成像過程對運動極其敏感，在長時間的掃描中，極易受到遇到運動干擾，現(xiàn)有許多研究致力于開發(fā)一種加快DWI采集速率的方法，典型的便是利用壓縮感知(CS)理論，降低信號采集量并且通過計算機(jī)后處理的方法恢復(fù)成像質(zhì)量。

降低采集的信號量，不可避免地會對DWI造成混疊偽影，從而導(dǎo)致無法準(zhǔn)確地測量人體內(nèi)組織地圍觀組織結(jié)構(gòu)特性。為了去除偽影，恢復(fù)圖像，一種方法選擇從少量隨機(jī)測量值獲得的結(jié)構(gòu)化信號恢復(fù)得到高維的信號，從此信號重建得到的空域圖像，即DWI將大概率不含偽影；另一種方法關(guān)注于空域圖像的后處理過程，即將基于重建地算法轉(zhuǎn)換為從受干擾的觀測值估計原始信號，體現(xiàn)在去除空域圖像的混疊偽影與噪聲并恢復(fù)高質(zhì)量的DWI。

當(dāng)前對偽影和噪聲地去除方法包括：使用線性或非線性濾波器去除受損圖像中的多種組合的復(fù)雜隨機(jī)偽影與噪聲，進(jìn)一步的還有使用局部信噪比信息以及邊緣信息來估計偽影與噪聲，但這些方法往往性能較低并且還存在以下缺陷：限制于特定的任務(wù)；需要特定的優(yōu)化方法；不具備學(xué)習(xí)能力，需要重復(fù)地進(jìn)行優(yōu)化任務(wù)等。

針對現(xiàn)有的偽影和噪聲地去除方法不具備學(xué)習(xí)能力的問題，目前相關(guān)技術(shù)中尚未提出有效的解決方案。

發(fā)明內(nèi)容

本申請?zhí)峁┮环N基于對抗網(wǎng)絡(luò)的擴(kuò)散加權(quán)圖像壓縮感知恢復(fù)方法，以解決現(xiàn)有的偽影和噪聲地去除方法不具備學(xué)習(xí)能力的問題。

根據(jù)本申請的一個方面，提供了一種基于對抗網(wǎng)絡(luò)的擴(kuò)散加權(quán)圖像壓縮感知恢復(fù)方法，包括：獲取擴(kuò)散加權(quán)圖像DWI空域圖像；對所述DWI空域圖像進(jìn)行欠采樣處理，得到欠采樣空域圖像；將所述欠采用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；通過所述生成器和所述判別器進(jìn)行交替訓(xùn)練以進(jìn)行對抗，得到所述生成器和/或所述判別器的神經(jīng)網(wǎng)絡(luò)對應(yīng)的網(wǎng)絡(luò)參數(shù)；使用得到的所述網(wǎng)絡(luò)參數(shù)對需要進(jìn)行恢復(fù)的欠采樣DWI進(jìn)行恢復(fù)。

進(jìn)一步地，在對所述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]。

進(jìn)一步地，對所述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；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；將處理后的空間信號轉(zhuǎn)換為DWI，得到所述欠采樣空域圖像。

進(jìn)一步地，使用得到的所述網(wǎng)絡(luò)參數(shù)對需要進(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。