[發明專利]一種基于SC-GAN的膝部MRI重建技術

在審

• 申請號: 202111006977.0
• 申請日: 2021-08-30
• 公開（公告）號: CN113744235A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 趙祥;張鑫;楊鐵軍;李冰潔
• 申請（專利權）人: 河南工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發明公布了一種用于膝部磁共振圖像的重建方法，包括以下步驟：

（1）數據預處理：從含混疊偽影的零填充圖像中提取圖像結構特征和紋理細節信息，零填充圖像由全采樣圖像經過笛卡爾隨機采樣得到；還要對數據進行提取、分割以及數據的仿射和歸一化變換等操作，最后將數據裁剪到相同的尺寸大小；

（2）訓練生成對抗網絡將 MRI重建任務分解為兩部分；第一部分是基于 GAN 的重建子網，用于生成初始重建圖像；其中，G是由改進的 U-NET 構成的生成器，D 是由標準卷積層構成的鑒別器；第二部分是語義對比子網，這一部分基于重建圖像和完全采樣圖像應具有相同語義特征的思想構建，用于增強重建圖像的紋理細節；訓練流程如下：

a.訓練生成網絡：輸入零填充MRI圖像，利用反向傳播算法和Adam算法使復合損失函數最小來訓練生成模型，在編碼解碼過程中加入殘差結構，防止訓練過程中出現梯度消失或梯度爆炸；

b.訓練判別網絡：將生成模型生成的MRI圖像和全采樣圖像作為判別模型的輸入，利用反向傳播算法和adam算法使得最小二乘對抗判別函數來訓練判別模型；最終的訓練目標是讓判別器無法區分重建圖像和完全采樣圖像；

c. 語義對比子網：為了使重建圖像有更加豐富的紋理細節，受重建圖像應獲得與完全采樣圖像相同語義信息的啟發，本文在重建子網的基礎上設計一個附加子網，稱之為語義對比子網；該子網類似于 GAN的對抗結構，進一步促進圖像紋理細節的提取并約束圖像語義一致性；由于 VGG-16結構簡單，泛化性能較好且精度高，采用預訓練的 VGG-16 模型進行微調作為語義對比子網的網絡架構；首先將初始重建圖像 X和全采樣圖像μY作為語義對比子網的輸入，經過 4 次池化提取語義特征；然后，通過比較二者的語義相似性獲得反饋，并對重建子網進行參數調優；

d.使用pycharm軟件進行實驗，數據集采用 Facebook 人工智能研究中心(FAIR)和紐約大學醫學院高級成像創新與研究中心(CAI2R)分享的 Fast MRI 數據集；我們隨機選用17000 幅帶有或不帶有脂肪抑制的冠狀PD 加權的膝部全采樣 MRI 圖像，欠采樣圖像經笛卡爾欠采樣得到；其中，70%作為訓練集，30%作為驗證集，另選50幅圖像作為測試集，圖像分辨率為256×256；模型初始學習率為0.0001，每5個迭代衰減率為0.5，最小批次為25，使用Adam算法優化。