[發明專利]一種基于多模態聚合的磁共振圖像重建方法及裝置

在審

• 申請號: 202110873802.3
• 申請日: 2021-07-30
• 公開（公告）號: CN113592972A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 馮春梅;徐勇;鄢云路
• 申請（專利權）人: 哈爾濱工業大學（深圳）
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/50
• 代理公司: 深圳市智勝聯合知識產權代理有限公司 44368
• 代理人: 齊文劍

1.一種基于多模態聚合的磁共振圖像重建方法，其特征在于，所述方法應用于從全采樣的輔助模態圖像和欠采樣的目標模態圖像中重建出無混疊偽影的目標模態圖像，所述方法包括：

獲取樣本圖像和圖像處理網絡；其中，所述樣本圖像包括樣本組織經T1加權成像生成的全采樣第一樣本圖像，所述樣本組織經T2加權成像生成的全采樣第二樣本圖像，以及所述樣本組織經T2加權成像生成的欠采樣第二樣本圖像；所述圖像處理網絡包括頻域處理網絡和圖像域處理網絡；

通過所述頻域處理網絡對所述全采樣第一樣本圖像和所述欠采樣第二樣本圖像進行處理，獲得頻域重建結果，并依據所述頻域重建結果和所述全采樣第二樣本圖像，確定對應于所述頻域處理網絡的頻域損失函數；

通過所述圖像域處理網絡對所述頻域重建結果進行處理，獲得圖像域重建結果，并依據所述圖像域重建結果和所述全采樣第二樣本圖像，確定對應于所述圖像域處理網絡的圖像域損失函數；

依據所述頻域損失函數和所述圖像域損失函數對所述圖像處理網絡進行訓練，生成從全采樣的輔助模態圖像和欠采樣的目標模態圖像中重建出無混疊偽影的目標模態圖像的混合域學習網絡；

獲取目標組織經T1加權成像生成的全采樣第一目標圖像和所述目標組織經T2加權成像生成的欠采樣第二目標圖像；

通過所述混合域學習網絡對所述全采樣第一目標圖像和所述欠采樣第二目標圖像進行處理，生成無偽影第二目標圖像；其中，所述無偽影第二目標圖像為去除混疊偽影后的所述欠采樣第二目標圖像。

2.根據權利要求1所述的磁共振圖像重建方法，其特征在于，所述頻域處理網絡包括第一頻域處理層、第一重建引導層和第二頻域處理層；所述頻域重建結果包括對應于所述全采樣第一樣本圖像的第一頻域信號和對應于所述欠采樣第二樣本圖像的第二頻域信號；

所述通過所述頻域處理網絡對所述全采樣第一樣本和所述欠采樣第二樣本圖像進行處理，獲得所述頻域重建結果的步驟，包括：

將所述全采樣第一樣本圖像輸入所述第一頻域處理層，獲得所述第一頻域信號；

將所述全采樣第一樣本圖像和所述欠采樣第二樣本圖像輸入所述第一重建引導層，獲得用于指導所述欠采樣第二樣本圖像在所述第二頻域處理層上重建的第一注意力模塊；

將所述第一注意力模塊和所述欠采樣第二樣本圖像輸入所述第二頻域處理層，獲得所述第二頻域信號。

3.根據權利要求2所述的磁共振圖像重建方法，其特征在于，所述第一重建引導層包括第一模態調制層和第一指導融合層；

所述將所述全采樣第一樣本圖像和所述欠采樣第二樣本圖像輸入所述第一重建引導層，獲得用于指導所述欠采樣第二樣本圖像在所述第二頻域處理層上重建的第一注意力模塊的步驟，包括：

將所述全采樣第一樣本圖像輸入所述第一模態調制層，獲得包含所述全采樣第一樣本圖像的關鍵特征信息的第一空間注意力模塊；

將所述第一空間注意力模塊和所述欠采樣第二樣本圖像輸入所述第一指導融合層，獲得所述第一注意力模塊。

4.根據權利要求3所述的磁共振圖像重建方法，其特征在于，所述第一模態調制層包括第一通道調制層和第一空間調制層；

所述將所述全采樣第一樣本圖像輸入所述第一模態調制層，獲得包含所述全采樣第一樣本圖像的關鍵特征信息的第一空間注意力模塊的步驟，包括：

將所述全采樣第一樣本圖像輸入所述第一通道調制層，獲得包含所述全采樣第一樣本圖像的低維特征信息的第一通道注意力模塊；

將所述第一通道注意力模塊輸入所述第一空間調制層，獲得所述第一空間注意力模塊。