基于残差自注意力图像增强的高倍速采MRI重建方法技术

本发明专利技术涉及MRI加速采集方法，具体为基于残差自注意力图像增强的高倍速采MRI重建方法。本方法采用生成对抗网络构建本发明专利技术的网络结构，将基于残差自注意力的特征增强模块内嵌至U‑NET收缩路径底部；将高倍欠采样图像输入生成器，经U‑NET收缩路径提取高级特征图后输入特征增强模块得到特征增强图，再经U‑NET扩展路径解码，并与收缩路径对应的特征图合并，融合扩展时对应级别收缩层的特征，补充缺失的边界信息，准确预测边缘信息，得到重建图像。本方法可以捕获图像更抽象、更丰富的纹理细节特征，融合局部信息和非局部信息以增强全局信息量，整个过程由网络自动选择有效特征，能实现关键区域纹理细节的自适应提取与重构，可以很好地重建高倍速采MR图像。

【技术实现步骤摘要】
基于残差自注意力图像增强的高倍速采MRI重建方法
本专利技术涉及MRI加速采集方法，尤其涉及高倍速采MRI重建方法，具体为基于残差自注意力图像增强的高倍速采MRI重建方法。
技术介绍
作为一种可重复、非侵入和定量的组织测量方式，磁共振成像(MagneticResonanceImaging，MRI)因其良好的软组织分辨力已经成为重大疾病诊疗的重要手段。不过，其固有的信号采集时间过长问题，也给应用造成了一些困难。一方面，数据采集时间过长不仅会给患者带来不适，而且不可避免的患者身体移动也增加了图像中存在较重伪影的可能性——当患者运动(例如心脏搏动和肠胃蠕动等)时，图像中常有的伪影往往会造成误诊或漏诊；另一方面，低的检查效率又会带来昂贵的检查费用，从而限制了其进一步推广和使用。近二十年来，探索MRI加速采集和提高图像保真度一直是这一领域的研究重点。现有的加速方法主要有两大类：(1)并行成像，该类方法利用多个独立接收器通道且每个独立通道对离该线圈最近的组织最敏感的特性，获取原始数据之后使用灵敏度编码(SENSE)技术或泛化自校正部分并行获取(GR本文档来自技高网...

【技术保护点】
1.基于残差自注意力图像增强的高倍速采MRI重建方法，其特征在于：包括以下步骤：/n(1)采用笛卡尔随机高倍欠采样策略对全采样图像Y

【技术特征摘要】
1.基于残差自注意力图像增强的高倍速采MRI重建方法，其特征在于：包括以下步骤：
(1)采用笛卡尔随机高倍欠采样策略对全采样图像Yμ进行欠采样，零填充后得到高倍欠采样图像Xμ；
(2)采用生成对抗网络构建本发明的网络结构，生成对抗网络包括生成器和鉴别器，其中生成器由U-NET实现，鉴别器由卷积层实现；
(3)将基于残差自注意力的特征增强模块内嵌至U-NET收缩路径底部，捕获跨图像区域的长距离依赖关系，提取和增强图像的关键特征即图像的纹理细节信息；
(4)将高倍欠采样图像Xμ输入生成器，经U-NET收缩路径提取高级特征图后输入特征增强模块得到特征增强图，再经U-NET扩展路径解码，并与收缩路径对应的特征图合并，融合扩展时对应级别收缩层的特征，补充缺失的边界信息，准确预测边缘信息，得到重建图像
(5)采用端到端的方式训练生成对抗网络。


2.根据权利要求1所述的基于残差自注意力图像增强的高倍速采MRI重建方法，其特征在于：步骤(4)中获得特征增强图的过程如下：
(1)将高倍欠采样图像Xμ输入生成器，经压缩路径提取特征后得到高级特征图高级特征图作为残差自注意力图像增强模块的输入，进入全局平均池化层，获得图像高级特征的平均信息量，并将其重置为1×1×C的张量，得到平均特征值Qμ：其中C表示高级特征图的数量，H、W表示图像的高和宽，fen表示收缩路径的卷积操作，i、j表示像素索引；
(2)将高级特征图与其对应的平均特征值Qμ相减，得到注意力权重图Iμ：表示图像的关键特征即边缘纹理细节；
(3)将注意力权重图Iμ经sigmod归一化后与高级特征图相乘计算相似性权重Kμ：再与卷积后的高级特征图相乘，得到纹理细节的注意力图Vμ：其中σ表示sigmod激活函数，f1×1表示1×1的卷积操作；
(4)将注意力图Vμ与高级特征图相加，融合局部信息和非局部信息，增强了全局信息量，获得特...

【专利技术属性】
技术研发人员：蔺素珍，马凤飞，王丽芳，李大威，
申请(专利权)人：中北大学，
类型：发明
国别省市：山西;14