医学成像模型的建立方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种医学成像模型的建立方法、装置、设备及存储介质。该方法包括：获取医学图像的K空间欠采样数据作为训练样本；将所述训练样本输入至预先构建的所述原始神经网络进行训练，其中，所述原始神经网络包括频率域网络FDN以及图像域网络SDN，所述频率域网络FDN与所述图像域网络SDN之间通过傅里叶逆变换IFFT连接；将训练完成的所述原始神经网络作为目标医学成像模型。本发明专利技术实施例的技术方案实现更准确、更快速地对K空间欠采样医学图像进行重建。

【技术实现步骤摘要】
医学成像模型的建立方法、装置、设备及存储介质
本专利技术实施例涉及磁共振成像
，尤其涉及一种医学成像模型的建立方法、装置、设备及存储介质。
技术介绍
磁共振心脏电影成像是一种非侵入式的成像技术，能够为临床诊断提供丰富的空间和时间信息。由于磁共振物理及硬件的制约磁共振心脏电影成像往往伴随着扫描时间长及成像速度慢等缺点。因此，如何在保证成像质量的前提下，加速磁共振心脏电影成像尤为重要。现有技术中常用的加速磁共振心脏电影成像的方法，包括并行成像、压缩感知技术、深度学习的方法等。例如，动态广义自动校准部分并行采集(TGRAPPA)、利用时间滤波器的自适应敏感度编码(TSENSE)、利用时间频率稀疏性的焦欠定系统(k-tFOCUSS)、利用动态冗余的卡尔基方法(k-tSLR)、低秩稀疏矩阵(L+S)等。此类方法利用了数据的空间信息，来填充欠采样的K空间数据。在磁共振心脏电影成像领域，基于级联卷积网络的磁共振动态成像(D5C5)及卷积递归神经网络(CRNN)也可以用于磁共振心脏电影成像领域，这两种方法利用神经网络，可以直接学习从欠采样本文档来自技高网...

【技术保护点】
1.一种医学成像模型的建立方法，其特征在于，包括：/n获取医学图像的K空间欠采样数据作为训练样本；/n将所述训练样本输入至预先构建的所述原始神经网络进行训练，其中，所述原始神经网络包括频率域网络FDN以及图像域网络SDN，所述频率域网络FDN与所述图像域网络SDN之间通过傅里叶逆变换IFFT连接；/n将训练完成的所述原始神经网络作为目标医学成像模型。/n

【技术特征摘要】
1.一种医学成像模型的建立方法，其特征在于，包括：
获取医学图像的K空间欠采样数据作为训练样本；
将所述训练样本输入至预先构建的所述原始神经网络进行训练，其中，所述原始神经网络包括频率域网络FDN以及图像域网络SDN，所述频率域网络FDN与所述图像域网络SDN之间通过傅里叶逆变换IFFT连接；
将训练完成的所述原始神经网络作为目标医学成像模型。


2.根据权利要求1所述的方法，其特征在于，所述频率域网络包括第一预设数量的频率域模块Fnet，其中，每个频率域模块Fnet包含第二预设数量的三维卷积层3DConv以及一个频率域数据一致层KDC。


3.根据权利要求1所述的方法，其特征在于，所述图像域网络SDN包括第三预设数量的图像域模块Snet，其中，每个图像域模块包含第四预设数量的三维卷积层3DConv、一个图像域数据一致层IDC以及一个残差连接。


4.根据权利要求2所述的方法，其特征在于，还包括：
将所述训练样本作为第一个频率域模块的第一个三维卷积层的输入；
将所述频率域模块的前一个三维卷积层的输出结果作为所述频率域模块的下一个三维卷积层的输入；
将所述频率域模块的最后一个三维卷积层的输出结果作为所述频率域模块频率域数据一致层KDC的输入，将所述频率域数据一致层KDC的输出结果作为所述频率域模块的输出结果；
将前一频率域模块输出结果作为下一个频率域模块的输入，将最后一个频率域模块的输出结果作为所述频率域网络的输出结果。


5.根据权利要求2所述的方法，其特征在于，还包括：
将所述频率域网络的输出结果经过傅里叶逆变换IFFT后的结果作为第一个图像域模块的第一个三维卷积层的输入；
将所述图像域模块的前一个三维卷积层的输出结果作为所述图像域模块的下一个三维卷积层的输入；
将所述图像域模块的最后一个三维卷积层的输出结果与所述图像域模块的第一个三维卷积层的输入进行求和运算后，输...

【专利技术属性】
技术研发人员：王珊珊，梁栋，柯子文，刘新，郑海荣，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东;44