[發明專利]一種核磁圖像超分辨率處理系統及方法

在審

• 申請號: 202210192331.4
• 申請日: 2022-02-28
• 公開（公告）號: CN114549503A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 李海燕
• 申請（專利權）人: 中科微影（浙江）醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/62;G06N3/04;G06N3/08;G06T3/40
• 代理公司: 北京翔石知識產權代理事務所(普通合伙) 11816
• 代理人: 劉翔

本發明涉及一種核磁圖像超分辨率處理系統及方法，涉及圖像處理技術領域，本發明通過圖像獲取模塊獲取核磁圖像，將獲取的核磁圖像通過圖像分析裝置進行分析，根據分析結果對核磁圖像進行區域劃分，以使特征提取模塊根據圖像分析模塊的分析結果提取核磁圖像的特征，并在提取核磁圖像特征后，對核磁圖像進行處理，將處理前后的特征作為深度學習模型的輸入和輸出進行模型訓練，得到深度學習模型，在得到深度學習模型后，用深度學習模型將核磁圖像的特征進行超分辨率處理，降低了對核磁圖像前期處理過程的復雜度，從而使整個超分辨率處理過程更容易控制，進一步提高了系統的控制精度。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種核磁圖像超分辨率處理系統及方法。

背景技術

核磁共振成像作為可應用在多個領域(如：石油開采、勘探，醫療等)的成像技術，其有助于人們對直接觀察到存在與無法觀察到的內部的事物的內部結構，為后續的一些工作提供有利的幫助。

現有的核磁共振成像，其所生成的圖像由于通過磁場產生，磁場強則生成的圖像相對清晰，磁場弱則生成的圖像相對模糊，應用于醫療中，在對人體進行檢查時，磁場太強會對人體造成損壞，磁強弱又不能達到檢查病灶的效果。

但現有技術中也有部分通過將核磁共振圖像進行處理后輸出的技術，如：

中國專利公開號：CN104123722B。公開了一種核磁圖像超分辨率的系統及方法，包括圖像超分辨率訓練單元、圖像超分辨率單元和隨機參數生成器，通過對原核磁圖像進行降質、插值、特征圖像提取，得到特征圖像集，對特征圖像集中的圖像進行分割、向量化處理，得到圖像超分辨率訓練集的特征矩陣和圖像超分辨率訓練集的目標矩陣，利用ELM原理，計算出神經網絡輸出節點的權重向量參數，對神經網絡輸出節點的權重向量參數進行選擇，選出最佳參數，完成圖像超分辨率訓練，將原核磁圖像進行降質、分割、特征圖像提取、分割和向量化處理，得到原核磁圖像的特征矩陣，利用ELM原理和最佳參數，由原核磁圖像的特征矩陣得到原始核磁圖像的超分辨率圖像；由此可見，所述核磁圖像超分辨率的系統存在對圖像前期處理過程相對復雜，不易控制，導致控制精度不高。

發明內容

為此，本發明提供一種核磁圖像超分辨率處理系統及方法，用以克服現有技術中在對圖像前期處理過程相對復雜，不易控制，導致控制精度不高的問題。

為實現上述目的，本發明一種實施方式提供一種核磁圖像超分辨率處理系統，包括：

圖像獲取模塊，用以獲取核磁設備檢測的核磁圖像；

圖像分析模塊，其與所述圖像獲取模塊連接，圖像分析模塊用以對所述核磁圖像進行分析；

特征提取模塊，其與所述圖像分析模塊連接，特征提取模塊用以根據所述圖像分析模塊的分析結果對所述核磁圖像進行特征提取，該特征提取模塊包括用以獲取低分辨率圖像特征的第一特征提取單元；

圖像處理模塊，其分別與所述圖像分析模塊和特征提取模塊連接，圖像處理模塊用以將提取圖像特征完成的圖像進行處理；

訓練模塊，其與所述圖像處理模塊連接，訓練模塊用以將所述圖像處理模塊處理前后的圖像輸入深度學習模型進行訓練；

校驗模塊，其與所述訓練模塊連接，校驗模塊用以對訓練完成的模型進行驗證；

調整模塊，其分別與所述特征提取模塊、訓練模塊和校驗模塊連接，調整模塊用以根據所述校驗模塊的校驗結果對所述特征提取模塊提取的特征和/或訓練模塊的訓練參數進行調節；

整合模塊，其分別與所述圖像獲取模塊和校驗模塊連接，整合模塊用以在驗證模塊驗證所述模型訓練完成時，將經差值處理后的特征快和所述核磁圖像進行整合，生成超分辨率核磁圖像。

進一步地，所述圖像分析模塊用以在對所述核磁圖像進行分析時，獲取所述核磁圖像的灰度值R，并根據該灰度值與預設灰度值的比對結果確定所述核磁圖像的區域，