[發(fā)明專利]一種基于多模態(tài)聚合的磁共振圖像重建方法及裝置

在審

• 申請?zhí)枺?/td>: 202110873802.3
• 申請日: 2021-07-30
• 公開（公告）號: CN113592972A
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計）人: 馮春梅;徐勇;鄢云路
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（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(lián)合知識產(chǎn)權(quán)代理有限公司 44368
• 代理人: 齊文劍

本申請?zhí)峁┮环N基于多模態(tài)聚合的磁共振圖像重建方法及裝置。方法包括：獲取樣本圖像和圖像處理網(wǎng)絡(luò)；樣本圖像包括全采樣第一樣本圖像，全采樣第二樣本圖像和欠采樣第二樣本圖像；圖像處理網(wǎng)絡(luò)包括頻域處理網(wǎng)絡(luò)和圖像域處理網(wǎng)絡(luò)；將樣本圖像輸入頻域處理網(wǎng)絡(luò)，依據(jù)頻域重建結(jié)果生成頻域損失函數(shù)；將頻域重建結(jié)果輸入圖像域處理網(wǎng)絡(luò)，依據(jù)圖像域重建結(jié)果生成圖像域損失函數(shù)；依據(jù)頻域損失函數(shù)和圖像域損失函數(shù)對圖像處理網(wǎng)絡(luò)進行訓(xùn)練，生成混合域?qū)W習(xí)網(wǎng)絡(luò)；獲取全采樣第一目標(biāo)圖像和欠采樣第二目標(biāo)圖像并輸入混合域?qū)W習(xí)網(wǎng)絡(luò)，生成無偽影第二目標(biāo)圖像。本申請能夠從全采樣的輔助模態(tài)圖像和欠采樣的目標(biāo)模態(tài)圖像中重建出無混疊偽影的目標(biāo)模態(tài)圖像。

技術(shù)領(lǐng)域

本申請涉及圖像處理技術(shù)領(lǐng)域，特別是一種基于多模態(tài)聚合的磁共振圖像重建方法及裝置。

背景技術(shù)

MRI(MagneticResonanceImaging，磁共振成像)是一種常用的掃描技術(shù)，可以用于肌肉骨骼，神經(jīng)系統(tǒng)和腫瘤疾病的掃描。MRI掃描儀獲得的原始數(shù)據(jù)是二維的復(fù)值數(shù)據(jù)，收集到的K空間信號通過二維反傅里葉變換轉(zhuǎn)換到圖像域。然而，MRI數(shù)據(jù)采集過程的物理性質(zhì)使得掃描時間長達數(shù)十分鐘，造成不舒服的檢查體驗和高昂的醫(yī)療費用。因此，加速MRI重建成為改善患者體驗的主要研究目標(biāo)。從欠采樣的K空間測量中重構(gòu)圖像是一個標(biāo)準(zhǔn)的方法，以加快磁共振成像。然而，從零填充的K空間數(shù)據(jù)重建的圖像往往會表現(xiàn)出混疊效應(yīng)，這使得它們無法用于臨床診斷。因此，如何減少這些混疊偽影，從采樣不足的K空間測量值中恢復(fù)出高保真的圖像成為磁共振圖像重建系統(tǒng)的目標(biāo)。

CS(Compressive Sensing，壓縮感知)和并行成像依靠K空間的冗余特點，在MRI圖像重建中取得了顯著的進展。與傳統(tǒng)的信號處理方法相比，基于CS的方法可以通較少的采樣量來加快MRI圖像的采集速度。此外，通過結(jié)合圖像的先驗知識，CS可以通過違反奈奎斯特-香農(nóng)采樣定理來解決混疊效應(yīng)。然而，基于CS的MRI圖像重建方法需要大量的時間來迭代最小化，這導(dǎo)致需要接近實時的MRI圖像場景(例如功能磁共振成像和心血管磁共振成像)變得十分困難。并行成像可以通過多通道的線圈靈敏度輪廓從多通道的混疊圖像中重建圖像，但如果平面內(nèi)加速度高于2，依然會產(chǎn)生偽影。

近年來，深度學(xué)習(xí)技術(shù)在MRI圖像重建方面得到了廣泛的應(yīng)用。然而，這些方法大多側(cè)重于利用單模態(tài)采集的欠采樣數(shù)據(jù)去重建高質(zhì)量的MRI圖像(如圖1所示)。因此，利用采集時間較短的模態(tài)來輔助其他具有密切結(jié)構(gòu)信息的模態(tài)是加快磁共振成像的一種新思路。例如，T1和T2加權(quán)圖像是兩個密切相關(guān)的MRI模態(tài)，但是T2加權(quán)成像比T1加權(quán)成像慢，因為其TRs(Repetition Time，重復(fù)時間)和TEs(Echo Time，回波時間)相對較長。因此，可以使用T1模態(tài)作為補充信息來指導(dǎo)T2模態(tài)的重建。具體地說，圖2顯示了來自同一受試者的兩個不同模態(tài)的MRI圖像。圖像(a)為全采樣的T1加權(quán)圖像，用于識別脂肪組織，獲取形態(tài)學(xué)信息，并進行造影后成像；圖像(b)為全采樣的T2加權(quán)圖像，用于檢測水腫、炎癥和評估解剖結(jié)構(gòu)。圖像(c)為3×倍加速度的1D隨機欠采樣模式下的具有混疊偽影的T2加權(quán)圖像。在深度學(xué)習(xí)方面，只有少數(shù)研究嘗試在不同的MRI模態(tài)之間進行多模態(tài)融合來加速圖像重建。現(xiàn)有技術(shù)根據(jù)T1與T2圖像的高度耦合關(guān)系，重構(gòu)出高質(zhì)量的T2加權(quán)圖像；或直接將T1、T2圖像整合為雙通道輸入(如圖3所示)。所有這些方法都遵循早期融合機制。這些方法雖然令人印象深刻，但都忽略了對多模態(tài)關(guān)鍵特征級聚合的探索。

發(fā)明內(nèi)容

鑒于所述問題，提出了本申請以便提供克服所述問題或者至少部分地解決所述問題的一種基于多模態(tài)聚合的磁共振圖像重建方法及裝置，包括：

一種基于多模態(tài)聚合的磁共振圖像重建方法，包括：

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