【技术实现步骤摘要】
快速成像模型的训练方法、装置及服务器
本专利技术涉及磁共振扫描成像的
，尤其涉及一种快速成像模型的训练方法、装置及服务器。
技术介绍
磁共振成像由于自身强大的功能，能提供丰富的解剖和功能信息，使得磁共振成像在医疗领域应用广泛。为进行磁共振成像，需在临床上对病人进行磁共振扫描。在扫描时，病人需长时间保持一个姿势不变，导致病人体验感差。因此需加快磁共振成像速度。在真实场景中，磁共振扫描仪需要以奈奎斯特采样频率对数据进行采样才能确保能够完全不失真地恢复数据。在现有技术中，主要是基于深度学习构建磁共振快速成像方法。采用该方法进行成像的步骤主要为，考虑只采集部分数据，以不满足奈奎斯特采样定理的采样方式(高倍回顾性欠采样)对数据进行采样；对获得的欠采样数据进行填零操作得到零填充图像；将零填充图像输入深度学习网络，经过深度学习网络处理后输出恢复的高清图像。但由于基于深度学习构建的快速成像方法无法对应用于数据采样的欠采样掩膜进行学习，无法对欠采样掩膜进行优化；且基于深度学习构建的快速成像方法仅考虑了通道注意力，导致快速成像方法
【技术保护点】
1.一种快速成像模型的训练方法，其特征在于，包括：/n在每一次模型迭代训练时，根据欠采样掩膜对磁共振扫描到的图像进行欠采样，得到训练数据；/n将所述训练数据输入快速成像模型，通过N个多粒度注意力模块根据图像的多尺度信息和注意力机制对所述训练数据进行特征提取，并融合每一所述多粒度注意力模块提取到的特征图；N≥1；/n对融合后的特征图进行图像重建，输出成像数据；/n根据所述成像数据与目标标签反向计算梯度，以通过所述梯度更新所述快速成像模型的参数和所述欠采样掩膜；/n采用更新后的参数和更新后的欠采样掩膜进行前向计算，以输出下一所述成像数据。/n
【技术特征摘要】
1.一种快速成像模型的训练方法，其特征在于，包括：
在每一次模型迭代训练时，根据欠采样掩膜对磁共振扫描到的图像进行欠采样，得到训练数据；
将所述训练数据输入快速成像模型，通过N个多粒度注意力模块根据图像的多尺度信息和注意力机制对所述训练数据进行特征提取，并融合每一所述多粒度注意力模块提取到的特征图；N≥1；
对融合后的特征图进行图像重建，输出成像数据；
根据所述成像数据与目标标签反向计算梯度，以通过所述梯度更新所述快速成像模型的参数和所述欠采样掩膜；
采用更新后的参数和更新后的欠采样掩膜进行前向计算，以输出下一所述成像数据。
2.如权利要求1所述的快速成像模型的训练方法，其特征在于，所述将所述训练数据输入快速成像模型，通过N个多粒度注意力模块根据图像的多尺度信息和注意力机制对所述训练数据进行特征提取，并融合每一所述多粒度注意力模块提取到的特征图，包括：
提取所述训练数据的初始化特征数据；
对于每一所述多粒度注意力模块，根据预设的若干图像尺度对所述初始化特征数据进行特征提取，并融合提取到的若干特征图；
通过多粒度注意力机制将融合后的特征图分割为若干具有不同注意力权重的区域图像；
融合所有所述区域图像，得到特征细化后的特征图。
3.如权利要求2所述的快速成像模型的训练方法，其特征在于，所述根据所述成像数据与目标标签反向计算梯度，以通过所述梯度更新所述快速成像模型的参数和所述欠采样掩膜，包括：
根据所述成像数据与所述目标标签反向计算梯度，得到梯度矩阵；
根据所述梯度矩阵更新所述多粒度注意力机制赋予所述若干区域图像的注意力权重。
4.如权利要求3所述的快速成像模型的训练方法，其特征在于，所述根据所述成像数据与目标标签反向计算梯度，以通过所述梯度更新所述快速成像模型的参数和所述欠采样掩膜，还包括：
根据所述欠采样掩膜生成连续型掩膜，将所述连续型掩膜与所述梯度矩阵相加得到更新后的连续型掩膜；
将所述更新后的连续型掩膜二值化，得到更新后的欠采样掩膜。
5.如权利要求4所述的快速成像模型的训练方法，其特征...
【专利技术属性】
技术研发人员：王珊珊，郑海荣，梁皓云，刘新，梁栋，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。