【技术实现步骤摘要】
医学图像生成方法、模型训练方法、装置及介质
本申请涉及医学图像
，尤其涉及一种医学图像生成方法、模型训练方法、装置及介质。
技术介绍
磁共振(MR，MagneticResonance)成像技术已经广泛应用于疾病诊断和科学研究，与其他成像技术相比，磁共振成像技术的优点在于其在组织对比度，空间分辨率等方面都比较理想，尤其对于软组织有很好的成像效果，可以提供更加丰富的诊断信息。然而，由于磁共振图像的数据是在K空间按顺序获取的，而在K空间的遍历速度受限于硬件扫描系统以及奈奎斯特采样定理的限制，磁共振成像在K空间的采样时间过长，从而导致磁共振成像速度较慢。此外，由于磁共振成像过程是基于较封闭的空间中进行的，成像时间过长还会导致病人产生幽闭恐惧症，会不自主的移动从而产生运动伪影，最终影响成像质量。因此，如何进行磁共振快速成像一直都是医学成像的研究热点。现有技术，在磁共振成像过程中，加速成像过程的一种方法为在K空间进行欠采样，但由于欠采样违反了奈奎斯特采样定理，在重建图像时会产生混叠伪影。为了消除混叠伪影，目前主要的...
【技术保护点】
1.一种医学图像生成方法，其特征在于，包括：/n获取检测对象的扫描序列数据；所述扫描序列数据包括全采样扫描序列数据和至少一个欠采样倍率的多个欠采样扫描序列数据；所述全采样扫描序列数据对应的扫描序列和所述欠采样扫描序列数据对应的扫描序列不同；/n基于所述全采样扫描序列数据和已训练的神经网络模型，对每个欠采样扫描序列数据进行图像生成；/n根据图像生成结果，获得检测对象的医学图像。/n
【技术特征摘要】
1.一种医学图像生成方法，其特征在于，包括：
获取检测对象的扫描序列数据；所述扫描序列数据包括全采样扫描序列数据和至少一个欠采样倍率的多个欠采样扫描序列数据；所述全采样扫描序列数据对应的扫描序列和所述欠采样扫描序列数据对应的扫描序列不同；
基于所述全采样扫描序列数据和已训练的神经网络模型，对每个欠采样扫描序列数据进行图像生成；
根据图像生成结果，获得检测对象的医学图像。
2.根据权利要求1所述的方法，其特征在于，所述已训练的神经网络模型包括由多个神经网络构成的级联网络模型；
所述级联网络模型中神经网络的数量与多个所述欠采样扫描序列数据对应的扫描序列的序列数量相同，或者
所述级联网络模型中神经网络的数量与多个所述欠采样扫描序列数据对应的数据扫描参数的数量相同，所述数据扫描参数包括扫描序列类型和/或欠采样倍率。
3.根据权利要求1或2所述的方法，其特征在于，所述基于所述全采样扫描序列数据和已训练的神经网络模型，对每个欠采样扫描序列数据进行图像生成包括：
将所述全采样扫描序列数据映射至图像域，得到全采样图像；
将每个所述欠采样扫描序列数据映射至图像域，得到多个欠采样图像；
基于所述全采样图像和已训练的神经网络模型，对所述多个欠采样图像进行图像生成。
4.根据权利要求3所述的方法，其特征在于，若所述已训练的神经网络模型包括由多个神经网络构成的级联网络模型，所述基于所述全采样图像和已训练的神经网络模型，对所述多个欠采样图像进行图像生成包括：
基于所述全采样图像和所述级联网络模型中各级神经网络，分别对每个欠采样图像进行图像生成；
其中，所述级联网络模型中初级神经网络的输入包括所述全采样图像和第一顺序的欠采样图像，所述级联网络模型中第i级神经网络的输入包括所述全采样图像、前面各级神经网络所输出的生成图像和第i顺序的欠采样图像，其中i为大于1的整数。
5.根据权利要求4所述的方法，其特征在于，若欠采样倍率的数量为多个，所述基于所述全采样图像和所述级联网络模型中各级神经网络，分别对每个欠采样图像进行图像生成步骤包括：
根据欠采样倍率的大小，确定每个欠采样扫描序列数据对应的欠采样图像的生成顺序；
利用所述全采样图像和级联网络模型中神经网络，按照所确定的生成顺序对每个欠采样图像进行图像生成。
6.根据权利要求1所述的方法，其特征在于，所述根据图像生成结果，获得检测对象的医学图像包括：
获取全采样扫描序列数据对应的全采样图像；...
【专利技术属性】
技术研发人员：吕旭阳，廖术，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31
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。