[發明專利]基于神經網絡擬合的化學交換飽和轉移成像后處理方法

有效

• 申請號: 202110851530.7
• 申請日: 2021-07-27
• 公開（公告）號: CN113777543B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 王志超;李建奇
• 申請（專利權）人: 華東師范大學
• 主分類號: G01R33/48
• 分類號: G01R33/48;G06N3/0499;G06N3/08;G06T11/00
• 代理公司: 上海藍迪專利商標事務所(普通合伙) 31215
• 代理人: 徐筱梅;張翔

1.一種基于神經網絡擬合的化學交換飽和轉移成像后處理方法，其特征在于，該方法包括以下具體步驟：

步驟1：雙池布洛赫方程仿真

對影響背景參考Z譜的生理組織參數在所有范圍中進行組合遍歷，同時給定水峰在磁共振主磁場變化范圍內隨機偏移以模擬主磁場偏移，通過雙池布洛赫方程仿真得到涵蓋生理環境中存在的所有情況的背景參考Z譜集；雙池布洛赫方程如下：

其中，分別是自由水池a和半固態大分子池b磁化矢量在x、y和z方向的分量，ω₁是射頻脈沖輻照幅度，Δω是射頻脈沖偏照頻率，雙池中弛豫率和支配縱向磁化矢量的恢復，分別為雙池的橫向弛豫率，兩池間磁化矢量交換率用表示；

步驟2：訓練網絡模型

對于每個模擬的背景參考Z譜，將頻率偏移避開酰胺質子δ3.5、氨基質子δ2.0、羥基質子δ1.0的化學交換飽和轉移效應與脂質質子δ-2～δ-5的核奧氏增強效應交換點位置的歸一化水信號作為模型訓練輸入，將整個背景參考Z譜以及自由水池化學位移偏移量作為模型的訓練輸出；采用Levenberg-Marquardt算法對神經網絡進行訓練，得到由10個S型隱藏神經元以及線型輸出神經元組成的多層前饋式神經網絡；

步驟3：圖像采集

在不同頻率的飽和射頻照射的條件下采集化學交換飽和轉移磁共振成像的模圖,額外采集一個沒有飽和射頻照射的條件下的參考圖像；

步驟4：圖像重建

將步驟3采集的圖像數據通過步驟2所得到的多層前饋式神經網絡進行圖像重建：

4.1：當采集到每個射頻頻率偏移位置的數據點后，先通過參考掃描的圖像進行歸一化，再進行三次樣條插值后繪制成原始的Z譜；

4.2：將δ-9.5、δ-9、δ-8.5、δ-8、δ-7.5、δ-1.5、δ-1、δ-0.5、δ7.5、δ8、δ8.5、δ9和δ9.5對應的歸一化水信號數據輸入到所述神經網絡中進行預測，得到背景參考Z譜與自由水的水峰偏移量，隨后用自由水的水峰偏移量來矯正原始Z譜與背景參考Z譜，得到矯正后的原始Z譜與背景參考Z譜；

4.3：將矯正后的背景參考Z譜與矯正后的通過磁共振成像采集得到的Z譜在酰胺質子飽和轉移效應或核奧氏增強效應的交換點相減后得到不同的成像對比度：將處于δ3.5處的數據點相減得到酰胺質子飽和轉移成像，或在δ-3.5處即得到核奧氏增強效應成像；Z譜相減提取逐像素的成像信號即完成后處理；所述Z譜相減提取逐像素的成像信號采用的公式如下：

其中，APT與NOE分別表示酰胺質子轉移效應與核奧氏增強效應對比度，Δω為射頻脈沖偏照頻率，Z_ref(Δω)為矯正后的背景參考Z譜，S₀(Δω)為參考掃描信號，Z_acq(Δω)為矯正后的原始Z譜。