[發明專利]一種基于參考跨序列圖像的MRI圖像復原方法

在審

• 申請號: 202210165276.X
• 申請日: 2022-02-16
• 公開（公告）號: CN114549354A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 馬偉;蒲澤棟
• 申請（專利權）人: 北京工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/00;G06K9/62;G06N3/04;G06N3/08;G06V10/774;G06V10/80;G06V10/82
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

本發明公開了一種基于參考跨序列圖像的MRI圖像復原方法，為了更好地參考跨序列圖像，通過對抗性域適應的卷積神經網絡框架，對退化的輸入圖像提取淺層特征，同時將跨序列圖像也提取特征進行特征表示，通過域判別器引導跨序列圖像的參考域轉換到輸入低質量圖像對應的真值域，減少跨序列參考圖像和低質量圖像在特征空間上的差異，從而能更好地參考跨序列圖像的有用信息輔助低質量MRI圖像復原。該方法使網絡能夠去除噪聲和盡可能地恢復圖像中模糊部分原本的細節，從而更好地對低質量圖像進行復原。

技術領域

本發明屬于及醫學影像處理技術領域，具體涉及一種基于參考跨序列圖像的MRI圖像復原方法。

背景技術

醫學影像在醫學中被廣泛使用，其中，由于核磁共振成像具有無輻射損害，對軟組織結構的分辨率非常高等優點，被廣泛應用于臨床檢查中。但是，醫學圖像在實際成像過程中，會受到各種因素影響而出現圖像噪聲、偽影或模糊等。圖像噪聲是由于異常干擾信號而降低圖像的信噪比，影響圖像的密度分辨率；偽影或模糊是由于醫療設備與人體之間的相對運動而產生的，包括掃描時患者身體的運動，或因患者屏氣失敗引起的胸腔的運動，或因心跳引起的自發運動。圖像噪聲、偽影或模糊現象會大大降低圖像質量，使一些組織邊界或精細結構難以識別，從而影響醫學診斷，故需要對此類圖像進行復原。傳統醫學圖像復原方法包括維納濾波法、小波變換等，大多基于先驗知識建立圖像退化模型，并采用各種逆退化處理方法進行恢復。近幾年隨著深度學習的迅猛發展，許多基于神經網絡的方法也都在各種圖像恢復任務中都取得了良好的效果，比如Zhang等人發表的“RDN:Residual DenseNetwork for Image Super-Resolution”。然后更多的方法使用卷積神經網絡(CNN)進行MRI圖像重建。MRI圖像數據一般是多序列圖像，其他序列圖像對當前序列圖像有相同的解剖結構，有一定的參考價值，但因為成像參數或者藥劑作用等因素造成和當前序列圖像表觀差異大，所以參考跨序列圖像有一定的挑戰。然而，以上方法卻往往只能恢復一種退化類型，對于往往不止一種退化類型的MRI圖像復原效果欠佳，參考MRI跨序列圖像的方法很少且有一定的困難。

發明內容

本發明是為了解決現有技術所存在的上述技術問題，提供一種基于參考跨序列圖像的MRI圖像復原方法。

本發明的技術解決方案是：一種基于參考跨序列圖像的MRI圖像復原方法，是將待復原的MRI圖像輸入網絡模型中完成圖像復原，所述網絡模型及訓練過程依次按照如下步驟建立：

步驟1：制作訓練集

取N張MRI肝癌數據集延遲期圖像作為參考圖像，每張記為Reference_Image1,Reference_Image2,...Reference_ImageN；取N張MRI肝癌數據集動脈期圖像作為真值圖像，每張記為GT_Image1,GT_Image2,...,GT_ImageN；

步驟1.2：將圖像GT_Image1,GT_Image2,...,GT_ImageN分別加入角度θ為45，長度l為12的運動模糊，記為模糊圖像Blur_Image1,Blur_Image2,...Blur_ImageN；

步驟1.3：將圖像Blur_Image1,Blur_Image2,...Blur_ImageN加入sigma值為20的萊斯噪聲，記為退化圖像LQ_image1,LQ_image2,...LQ_imageN；

步驟1.4：選取N張退化圖像，對應真值圖像，對應參考圖像作為訓練集，記為

步驟2：訓練網絡

步驟2.1：將訓練集輸入到網絡；

步驟2.2：約定真值圖像來自清晰的真值域，參考圖像來自參考域；

步驟2.3：對輸入退化圖像將殘差密集塊作為基礎卷積模塊來提取淺層特征F_S，對參考圖像同樣提取淺層特征F_RS；