图像重建方法、装置、电子设备、存储介质制造方法及图纸

本发明专利技术公开了图像重建方法、装置、电子设备、存储介质。方法包括：在以扩散敏感系数为零的弥散加权序列控制扫描设备对目标对象进行扫描的过程中，获取第一弥散加权图像；将所述第一弥散加权图像输入多个图像重建模型，所述多个图像重建模型用于对输入的弥散加权图像进行图像重建；对所述多个图像重建模型分别输出的不同扩散敏感系数的预测加权图像进行指数分布拟合，得到第一指数模型；获取目标扩散敏感系数，并根据所述第一指数模型和所述目标扩散敏感系数确定针对所述目标对象的弥散加权图像。从而，实现了把单b值的DWI计算问题转化为多b值的cDWI计算问题，解决了由于较少b值的DWI图像引起的cDWI计算精度较低的问题。

【技术实现步骤摘要】
图像重建方法、装置、电子设备、存储介质
本专利技术涉及医学成像
，特别涉及图像重建方法、装置、电子设备、存储介质。
技术介绍
磁共振弥散加权成像(DiffusionWeightedImaging，DWI)，是唯一能够活体检测水分子扩散情况的无创影像检查技术，而且也是临床应用最多的一种磁共振功能监测技术。用于DWI成像的DWI序列的弥散程度受扩散敏感系数(b值)的影响，不同b值对弥散的敏感程度不同，对病变的检出率也不同，多b值的DWI图像有助于提高不同病灶的检出率。然而，受MR扫描时间的限制，不可能对被扫描对象进行长时间的扫描，因此如何根据单b值扫描得到的图像生成任意b值的DWI图像，是临床上迫切需要解决的问题。
技术实现思路
本专利技术提供图像重建方法、装置、电子设备、存储介质，以基于扫描得到的DWI图像重建出多个图像质量高的、不同b值的DWI图像。具体地，本专利技术是通过如下技术方案实现的：第一方面，提供一种图像重建方法，所述图像重建方法包括：在以扩散敏感系数为零的弥散加权序列控制扫描设备对目标对象进行扫描的过程中，获取第一弥散加权图像；将所述第一弥散加权图像输入多个图像重建模型，所述多个图像重建模型用于对输入的弥散加权图像进行图像重建；对所述多个图像重建模型分别输出的不同扩散敏感系数的预测加权图像进行指数分布拟合，得到第一指数模型；获取目标扩散敏感系数，并根据所述第一指数模型和所述目标扩散敏感系数确定针对所述目标对象的弥散加权图像。可选地，所述图像重建方法还包括：在以扩散敏感系数大于零的弥散加权序列控制扫描设备对目标对象进行扫描的过程中，获取第二弥散加权图像；对所述第一弥散加权图像和所述第二弥散加权图像进行指数分布拟合，得到第二指数模型；根据所述第二指数模型确定所述目标扩散敏感系数的弥散加权图像；对根据所述第一指数模型确定的弥散加权图像和根据所述第二指数模型确定的弥散加权图像进行线性融合处理，得到最终的弥散加权图像。可选地，进行线性融合处理之前，还包括：确定所述目标扩散敏感系数与所述第二弥散加权图像的扩散敏感系数的差值，并根据所述差值调节线性融合处理的线性融合系数。可选地，若所述目标扩散敏感系数与所述第二弥散加权图像的扩散敏感系数的差值小于系数阈值，线性融合处理过程中，根据所述第一指数模型确定的弥散加权图像对应的线性融合系数小于根据所述第二指数模型确定的弥散加权图像对应的线性融合系数。可选地，所述图像重建方法还包括采用以下步骤对生成式对抗网络进行训练，以得到所述图像重建模型：获取多组训练样本对，每组训练样本对包含扩散敏感系数为零的第三弥散加权图像和扩散敏感系数大于零的第四弥散加权图像；针对每组训练样本，将所述第三弥散加权图像输入生成式对抗网络的生成器，得到所述生成器输出的待判别图像；将所述待判别图像和所述第四弥散加权图像输入所述生成式对抗网络的判别器，得到所述判别器的判别器输出结果；根据所述判别器输出结果确定损失误差；根据所述损失误差调节所述生成式对抗网络的网络参数。第二方面，提供一种图像重建装置，所述图像重建装置包括：获取模块，用于在以扩散敏感系数为零的弥散加权序列控制扫描设备对目标对象进行扫描的过程中，获取第一弥散加权图像；输入模块，用于将所述第一弥散加权图像输入多个图像重建模型，所述多个图像重建模型用于对输入的弥散加权图像进行图像重建；拟合模块，用于对所述多个图像重建模型分别输出的不同扩散敏感系数的预测加权图像进行指数分布拟合，得到第一指数模型；确定模块，用于获取目标扩散敏感系数，并根据所述第一指数模型和所述目标扩散敏感系数确定针对所述目标对象的弥散加权图像。可选地，所述获取模块，还用于在以扩散敏感系数大于零的弥散加权序列控制扫描设备对目标对象进行扫描的过程中，获取第二弥散加权图像；所述拟合模块，还用于对所述第一弥散加权图像和所述第二弥散加权图像进行指数分布拟合，得到第二指数模型；所述确定模块，还用于根据所述第二指数模型和所述目标扩散敏感系数确定针对所述目标对象的弥散加权图像；所述图像重建装置还包括：线性拟合模块，用于对根据所述第一指数模型确定的弥散加权图像和根据所述第二指数模型确定的弥散加权图像进行线性融合处理，得到最终的弥散加权图像。可选地，所述图像重建装置还包括：调节模块，用于确定所述目标扩散敏感系数与所述第二弥散加权图像的扩散敏感系数的差值，并根据所述差值调节线性融合处理的线性融合系数。可选地，若所述目标扩散敏感系数与所述第二弥散加权图像的扩散敏感系数的差值小于系数阈值，线性融合处理过程中，根据所述第一指数模型确定的弥散加权图像对应的线性融合系数小于根据所述第二指数模型确定的弥散加权图像对应的线性融合系数。可选地，所述图像重建装置还包括模型训练模块，用于：获取多组训练样本对，每组训练样本对包含扩散敏感系数为零的第三弥散加权图像和扩散敏感系数大于零的第四弥散加权图像；针对每组训练样本，将所述第三弥散加权图像输入生成式对抗网络的生成器，得到所述生成器输出的待判别图像；将所述待判别图像和所述第四弥散加权图像输入所述生成式对抗网络的判别器，得到所述判别器的判别器输出结果；根据所述判别器输出结果确定损失误差；根据所述损失误差调节所述生成式对抗网络的网络参数。第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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上述任一项所述的图像重建方法。第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的图像重建方法的步骤。本专利技术的实施例提供的技术方案可以包括以下有益效果：本专利技术实施例，先将扫描得到的b＝0的DWI图像，通过多个图像重建模型生成多个不同b值的DWI图像，再对多个b值的DWI图像进行基于指数分布的拟合得到指数模型，将目标b值输入指数模型，即可得到目标b值的cDWI图像。从而，通过引入基于深度学习方法，把单b值的DWI计算问题转化为多b值的cDWI计算问题，进而解决了由于较少b值的DWI图像引起的cDWI计算精度较低的问题。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是本专利技术一示例性实施例示出的一种DWI序列的示意图；图2是本专利技术一示例性实施例示出的一种图像重建方法的流程图；图3是本专利技术一示例性实施例示出的一种图像重建时使用的图像重建模型的训练方法的流程图；图4是本专利技术一示例性实施例示出的一种GAN网络的结构示意图；图5是本专利技术一示例本文档来自技高网...

【技术保护点】
1.一种图像重建方法，其特征在于，所述图像重建方法包括：/n在以扩散敏感系数为零的弥散加权序列控制扫描设备对目标对象进行扫描的过程中，获取第一弥散加权图像；/n将所述第一弥散加权图像输入多个图像重建模型，所述多个图像重建模型用于对输入的弥散加权图像进行图像重建；/n对所述多个图像重建模型分别输出的不同扩散敏感系数的预测加权图像进行指数分布拟合，得到第一指数模型；/n获取目标扩散敏感系数，并根据所述第一指数模型和所述目标扩散敏感系数确定针对所述目标对象的弥散加权图像。/n

【技术特征摘要】
1.一种图像重建方法，其特征在于，所述图像重建方法包括：
在以扩散敏感系数为零的弥散加权序列控制扫描设备对目标对象进行扫描的过程中，获取第一弥散加权图像；
将所述第一弥散加权图像输入多个图像重建模型，所述多个图像重建模型用于对输入的弥散加权图像进行图像重建；
对所述多个图像重建模型分别输出的不同扩散敏感系数的预测加权图像进行指数分布拟合，得到第一指数模型；
获取目标扩散敏感系数，并根据所述第一指数模型和所述目标扩散敏感系数确定针对所述目标对象的弥散加权图像。


2.如权利要求1所述的图像重建方法，其特征在于，所述图像重建方法还包括：
在以扩散敏感系数大于零的弥散加权序列控制扫描设备对目标对象进行扫描的过程中，获取第二弥散加权图像；
对所述第一弥散加权图像和所述第二弥散加权图像进行指数分布拟合，得到第二指数模型；
根据所述第二指数模型确定所述目标扩散敏感系数的弥散加权图像；
对根据所述第一指数模型确定的弥散加权图像和根据所述第二指数模型确定的弥散加权图像进行线性融合处理，得到最终的弥散加权图像。


3.如权利要求2所述的图像重建方法，其特征在于，进行线性融合处理之前，还包括：
确定所述目标扩散敏感系数与所述第二弥散加权图像的扩散敏感系数的差值，并根据所述差值调节线性融合处理的线性融合系数。


4.如权利要求2所述的图像重建方法，其特征在于，若所述目标扩散敏感系数与所述第二弥散加权图像的扩散敏感系数的差值小于系数阈值，线性融合处理过程中，根据所述第一指数模型确定的弥散加权图像对应的线性融合系数小于根据所述第二指数模型确定的弥散加权图像对应的线性融合系数。


5.如权利要求1所述的图像重建方法，其特征在于，所述图像重建方法还包括采用以下步骤对生成式对抗网络进行训练，以得到所述图像重建模型：
获取多组训练样本对，每组训练样本对包含扩散敏感系数为零的第三弥散加权图像和扩散敏感系数大于零的第四弥散加权图像；
针对每组训练样本，将所述第三弥散加权图像输入生成式对抗网络的生成器，得到所述生成器输出的待判别图像；
将所述待判别图像和所述第四弥散加权图像输入所述生成式对抗网络的判别器，得到所述判别器的判别器输出结果；
根据所述判别器输出结果确定损失误差；
根据所述损失误差调节所述生成式对抗网络的网络参数。


6.一种图像重建装置，其特征在于，所述图像重建装置包括：
获取模块，用于在以扩散敏感系数为零的弥散加权序列控制扫描设备对目标对象进行扫描的过程中，获取第一弥散加权图像；
输入模块，用于将所述第一弥散加权图像输入多个图像重建...

【专利技术属性】
技术研发人员：李广，白璐，朱传伟，武恩贺，
申请(专利权)人：东软医疗系统股份有限公司，
类型：发明
国别省市：辽宁;21