核磁共振图像重建方法、装置、计算机设备及其存储介质制造方法及图纸

本发明专利技术公开了一种核磁共振图像重建方法、装置、计算机设备及其存储介质，其中，该核磁共振图像重建方法包括：获取训练数据；根据训练数据构建并训练卷积神经网络模型；对待重建LR图像进行预处理，以使所述待重建LR图像的分辨率及层厚被提高至预定值；将所述待重建LR图像进行分割形成多个待重建LR图像块；将所述待重建LR图像块输入所述卷积神经网络模型进行图形重建，以生成超分辨率图像。根据本发明专利技术实施例提供的核磁共振图像重建方法、装置、计算机设备及其存储介质，可以将待重建LR图像重建为高分辨率图像，具有丰富的细节结构，以便于实现精确的图像分析和定量测量，并且，该方法简单，图像重建效率高，成本低。

【技术实现步骤摘要】
核磁共振图像重建方法、装置、计算机设备及其存储介质
本专利技术涉及图像处理
，尤其涉及一种核磁共振图像重建方法、装置、计算机设备及其存储介质。
技术介绍
MRI(MagneticResonanceImaging)：即核磁共振成像，是利用核磁共振原理，依据所释放的能量在物质内部不同结构环境中不同的衰减，通过外加梯度磁场检测所发射出的电磁波，即可得知构成这一物体原子核的位置和种类，据此可以绘制成物体内部的结构图像。由于MRI没有电离辐射、可多方位成像、软组织对比度高等优点，已广泛应用于临床各种疾病检查中。MRI的高分辨率图像通常以更长的扫描时间、更小的空间覆盖率和更低的信噪比为代价。而如果可以从低分辨率图像重建出高分辨率图像，则可以在更短的扫描时间中实现更大的空间覆盖、更高的信噪比和更高分辨率。在相关技术公开的方法中，一种简单的方法是将低分辨率图像(LR)插值成高分辨率图像(HR)，然而插值方法无法恢复丢失的高频信息，例如物体的细节、边缘等；另一种方法是扫描多个低分辨率图像并将它们组合成单个高分辨率图像，不过这对于扫描中的运动并不鲁棒，而且在实践中既耗时间也费成本。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的第一个目的在于提出一种核磁共振图像重建方法。本专利技术的第二个目的在于提出一种核磁共振图像重建装置。本专利技术的第三个目的在于提出一种计算机设备。本专利技术的第四个目的在于提出一种计算机存储介质。为实现上述目的，第一方面，根据本专利技术实施例的核磁共振图像重建方法，包括：获取训练数据；根据训练数据构建并训练卷积神经网络模型；对待重建LR图像进行预处理，以使所述待重建LR图像的分辨率及层厚被提高至预定值；将所述待重建LR图像进行分割形成多个待重建LR图像块；将所述待重建LR图像块输入所述卷积神经网络模型进行图形重建，以生成超分辨率图像。第三方面，根据本专利技术实施例的核磁共振图像重建装置，包括：获取单元，用于获取训练数据；训练单元，用于根据训练数据构建并训练卷积神经网络模型；预处理单元，用于对待重建LR图像进行预处理，以使所述待重建LR图像的分辨率及层厚被提高至预定值；分割单元，用于将所述待重建LR图像进行分割形成多个待重建LR图像块；重建单元，用于将所述待重建LR图像块输入所述卷积神经网络模型进行图形重建，以生成超分辨率图像。第二方面，根据本专利技术实施例的计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的核磁共振图像重建方法。第四方面，根据本专利技术实施例的计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的核磁共振图像重建方法。根据本专利技术实施例提供的核磁共振图像重建方法、装置、计算机设备及其存储介质，通过构建并训练卷积神经网络模型，再将待重建LR图像进行预处理，以使所述待重建LR图像的分辨率及层厚与所述卷积神经网络模型相适配，以及将所述待重建LR图像进行分割形成多个待重建LR图像块，最后将待重建LR图像块输入所述卷积神经网络模型进行图形重建，以生成超分辨率图像，如此，可以将待重建LR图像重建为高分辨率图像，具有丰富的细节结构，以便于实现精确的图像分析和定量测量，并且，该方法简单，图像重建效率高，成本低。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。图1是本专利技术核磁共振图像重建方法一个实施例的流程图；图2是本专利技术核磁共振图像重建方法中步骤S102的流程图；图3是本专利技术核磁共振图像重建方法中步骤S201的流程图；图4是本专利技术核磁共振图像重建方法中步骤S302的流程图；图5是本专利技术核磁共振图像重建方法中步骤S203的流程图；图6是本专利技术核磁共振图像重建装置的结构示意图；图7是本专利技术计算机设备一个实施例的结构示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。参照图1所示，图1示出了本专利技术实施例提供的核磁共振图像重建方法一个实施例的流程图，为了便于描述，仅示出了与本专利技术实施例相关的部分。具体的，该核磁共振图像重建方法具体包括：S101、获取训练数据，该训练数据可以为来自多个样本对象的通过MRI扫描形成的图像。S102、根据训练数据构建并训练卷积神经网络模型。S103、对待重建LR图像进行预处理，以使所述待重建LR图像的分辨率及层厚被提高至预定值。S104、将所述待重建LR图像进行分割形成多个待重建LR图像块。S105、将所述待重建LR图像块输入所述卷积神经网络模型进行图形重建，以生成超分辨率图像。根据本专利技术实施例提供的核磁共振图像重建方法，通过构建并训练卷积神经网络模型，再将待重建LR图像进行预处理，以使所述待重建LR图像的分辨率及层厚与所述卷积神经网络模型相适配，以及将所述待重建LR图像进行分割形成多个待重建LR图像块，最后将待重建LR图像块输入所述卷积神经网络模型进行图形重建，以生成超分辨率图像，如此，可以将待重建LR图像重建为高分辨率图像，具有丰富的细节结构，以便于实现精确的图像分析和定量测量，并且，该方法简单，图像重建效率高，成本低。参照图2所示，在本专利技术的一个实施例中，训练数据包括多对样本图像，每对样本图像包括来自同一样本对象的LR样本图像和HR样本图像。对应的，步骤S102具体包括：S201、对每对训练数据中的所述LR样本图像和HR样本图像进行预处理，以使每对训练数据中的所述LR样本图像与所述HR样本图像具有相同的分辨率和层厚。该步骤中，对LR样本图像和HR样本图像进行预处理的目的是为了将低LR样本图像重采样并配准到HR样本图像上，得到配准后的新的LR样本图像，使得该新的LR样本图像与HR样本图像具有相同的分辨率与层厚。S202、将所述LR样本图像进行分割形成多个LR样本图像块，以及将所述HR样本图像进行切分形成多个HR样本图像块。例如：将述LR样本图像和HR样本图像以每层为单位，分别切分为64×64×64的图像块。S203、以所述LR样本图像块作为模型的输入图像、所述HR样本图像块作为模型的训练标签进行卷积神经网络模型训练。进一步地，参照图3所示，在本专利技术的一个实施例中，步骤S201包括：S301、对所述LR样本图像和HR样本图像分别进行偏场校正，以消除偏差场。由于磁共振成像设备不完善及其自身的特异性，磁共振图像总是不可避免的存在一定程度和范围的亮度不均，也就是所谓的偏差场。图像的亮度信息是图像后处理主要的依据，而偏差场使图像的局部统计特性发生变化，不同生理组织的亮度交叠分布，它是图像后处本文档来自技高网...

【技术保护点】
1.一种核磁共振图像重建方法，其特征在于，包括：获取训练数据；根据训练数据构建并训练卷积神经网络模型；对待重建LR图像进行预处理，以使所述待重建LR图像的分辨率及层厚被提高至预定值；将所述待重建LR图像进行分割形成多个待重建LR图像块；将所述待重建LR图像块输入所述卷积神经网络模型进行图形重建，以生成超分辨率图像。

【技术特征摘要】
1.一种核磁共振图像重建方法，其特征在于，包括：获取训练数据；根据训练数据构建并训练卷积神经网络模型；对待重建LR图像进行预处理，以使所述待重建LR图像的分辨率及层厚被提高至预定值；将所述待重建LR图像进行分割形成多个待重建LR图像块；将所述待重建LR图像块输入所述卷积神经网络模型进行图形重建，以生成超分辨率图像。2.根据权利要求1所述核磁共振图像重建方法，其特征在于，所述训练数据包括多对样本图像，每对样本图像包括来自同一样本对象的LR样本图像和HR样本图像；所述根据多对训练数据构建并训练卷积神经网络模型包括：对每对训练数据中的所述LR样本图像和HR样本图像进行预处理，以使每对训练数据中的所述LR样本图像与所述HR样本图像具有相同的分辨率和层厚；将所述LR样本图像进行分割形成多个LR样本图像块，以及将所述HR样本图像进行切分形成多个HR样本图像块；以所述LR样本图像块作为模型的输入图像、所述HR样本图像块作为模型的训练标签进行卷积神经网络模型训练。3.根据权利要求2所述的核磁共振图像处理方法，其特征在于，所述对每对训练数据中的所述LR样本图像和HR样本图像进行预处理包括：对所述LR样本图像和HR样本图像分别进行偏场校正，以消除偏差场；将所述LR样本图像刚性配准至所述HR样本图像上，以使LR样本图像的分辨率与所述HR样本图像的分辨率和层厚相同。4.根据权利要求3所述的核磁共振图像处理方法，其特征在于，所述将所述LR样本图像刚性配准至所述HR样本图像上包括：将所述LR样本图像进行图像变换，使其与HR样本图像处于同一个坐标系下，并进行插值处理；利用度量函数定量比较两个所述LR样本图像与所述HR样本图的相似性，得到相似性结果；根据所述相似性结果采用优化方法优化变换矩阵，并根据优化后的变化矩阵对所述LR样本图像继续进行图像变换。5.根据权利要求2所述的核磁共振图像处理方法，其特征在于，所述以所述LR样本图像块作为模型的输入图像、所述HR样本图像块作为模型的训练标签进行卷积神经网络模型训练包括：将LR样本图像块输入卷积神经网络模型中进行训练；...

【专利技术属性】
技术研发人员：成官迅，戚玉龙，
申请(专利权)人：北京大学深圳医院，
类型：发明
国别省市：广东,44