一种核磁共振图像超分辨率重建系统及方法技术方案

本发明专利技术涉及一种核磁共振图像超分辨率重建系统及方法。该系统包括：生成对抗网络、数据集构建模块和训练模块；生成对抗网络包括生成器和判别器，生成器用于将核磁共振图像重建为第一高分辨率图像；判别器的输入为核磁共振图像和第一高分辨率图像，判别器包括第一网络、第二网络和第三网络，第一网络用于共享生成器的参数；第二网络用于根据第一网络共享的参数对第一高分辨率图像进行判别；第三网络用于输出第二网络的判别结果；数据集构建模块用于构建训练数据集；训练模块用于对生成对抗网络进行训练；训练好的生成对抗网络中的生成器用于对待重建的核磁共振图像进行超分辨率重建。本发明专利技术可以提高重建高分辨率图像的准确度。

【技术实现步骤摘要】
一种核磁共振图像超分辨率重建系统及方法
本专利技术涉及图像处理领域，特别是涉及一种核磁共振图像超分辨率重建系统及方法。
技术介绍
超分辨率是指从观测到的低分辨率图像重建出相应的高分辨率图像的技术，具体来说，图像超分辨率重建技术指的是利用数字图像处理、计算机视觉等领域的相关知识，借由特定的算法和处理流程，从给定的低分辨率图像中复原出高分辨率图像的过程。其旨在克服或补偿由于图像采集系统或采集环境本身的限制，导致的成像图像模糊、质量低下、感兴趣区域不显著等问题。医学图像的超分辨率相比自然图像的超分辨率有其自身的特点，首先，从数据来源讲，医学图像的成像过程比较复杂，例如MRI图像，通过对静磁场中的人体施加某种特定频率的射频脉冲，使人体中的氢质子受到激励而发生磁共振现象。停止脉冲后，质子在弛豫过程中产生MR(MagneticResonance)信号。通过对MR信号的接收、空间编码和图像重建等处理过程，即产生MRI图像。其次，医学图像的模态多，数据处理流程复杂，不同设备获得的图像存在差异，这从某种程度上也阻碍了医学图像超分辨率研究的发展。最重要的一点是，医学图像一般用于医生辅助诊断，图片质量与医生的诊断直接相关，在现有条件下，利用技术手段产生的医学图像缺乏可解释性。即便如此，医学图像的超分辨率结果也可以为医生辅助诊断提供一定程度上的帮助。近年来医学影像计算发展势头很强，越来越多的医工交叉初创公司诞生，从侧面反映了医学图像处理存在的应用需求和巨大市场潜力。目前流行超分辨率方法都是基于生成对抗网络(GenerativeAdversarialNetworks，GAN)来进行的，如图1所示，GAN有两部分组成，其中G是生成器，作用是从低分辨率的输入图像生成高分辨率的输出图像，在图中表示为低分辨率图片x经过G的作用生成高分辨率G(x)；D是判别器，判断图片是真的高分辨率图片还是假的高分辨率图片，在图中表示为D对G(x)判定为假(fake)，对原始的高分辨率yr判定为真(real)；当判别器无法识别生成的图片真假的时候，认为生成的高分辨图像质量已经满足要求。现有的基于GAN的超分辨率方法把生成器和判别器分别当作两个相对独立的网络，在模型训练过程中G和D交替优化，D没有有效的利用G中的信息，造成GAN训练参数难以调整、模型收敛慢等问题，而且G生成的高分辨率图片与低分辨率图片的匹配度较低，从现有结果的细节上来看，现有技术产生的高分辨率图片确有很多细节，但是这些细节在原数据中的高分辨率中并没有出现过。
技术实现思路
本专利技术的目的是提供一种核磁共振图像超分辨率重建系统及方法，以提高高分辨率图片与核磁共振图像的匹配度，同时提升超分辨率重建模型的性能。为实现上述目的，本专利技术提供了如下方案：一种核磁共振图像超分辨率重建系统，包括：生成对抗网络、数据集构建模块和训练模块；所述生成对抗网络包括生成器和判别器，所述生成器用于将核磁共振图像重建为第一高分辨率图像；所述判别器的输入为所述核磁共振图像和所述第一高分辨率图像，所述判别器包括第一网络、第二网络和第三网络，所述第一网络用于共享所述生成器的参数；所述第二网络用于根据所述第一网络共享的参数对所述第一高分辨率图像进行判别；所述第三网络用于输出所述第二网络的判别结果；所述数据集构建模块用于构建训练数据集；所述训练数据集中每个训练样本为高分辨率图像样本与对应的低分辨率核磁共振图像构成的一组图片；所述训练模块用于利用所述训练数据集对所述生成对抗网络进行训练，得到训练好的生成对抗网络；所述训练好的生成对抗网络中的生成器用于对待重建的核磁共振图像进行超分辨率重建。可选的，所述第二网络具体包括：高分辨率图像生成模块，用于根据所述第一网络共享的参数生成第二高分辨率图像；判别模块，用于根据所述第二高分辨率图像对所述第一高分辨率图像进行判别。可选的，所述判别模块利用公式OP1(y1,y2)＝||y1-y2||1计算所述第一高分辨率图像和所述第二高分辨率图像的L1范数；其中，y1为所述第一高分辨率图像，y2为所述第二高分辨率图像，OP1(y1,y2)为第一高分辨率图像和第二高分辨率图像的L1范数。可选的，所述第三网络的输入为所述第一高分辨率图像和所述L1范数，所述L1范数作为权重作用至所述第三网络的中间层，输出权重作用后的特征图，得到所述判别结果。可选的，所述判别模块利用公式OP2(y1,y2)＝|y1-y2|计算所述第一高分辨率图像和所述第二高分辨率图像的像素差值；其中，y1为所述第一高分辨率图像，y2为所述第二高分辨率图像，OP2(y1,y2)为第一高分辨率图像和第二高分辨率图像的像素差值。可选的，所述第三网络的输出为所述第一高分辨率图像和第二高分辨率图像的像素差值构成的矩阵。本专利技术还提供一种核磁共振图像超分辨率重建方法，包括：构建生成对抗网络；所述生成对抗网络包括生成器和判别器，所述生成器用于将核磁共振图像重建为第一高分辨率图像；所述判别器的输入为所述核磁共振图像和所述第一高分辨率图像，所述判别器包括第一网络、第二网络和第三网络，所述第一网络用于共享所述生成器的参数；所述第二网络用于根据所述第一网络共享的参数对所述第一高分辨率图像进行判别；所述第三网络用于输出所述第二网络的判别结果；构建训练数据集；所述训练数据集中每个训练样本为高分辨率图像样本与对应的低分辨率核磁共振图像构成的一组图片；利用所述训练数据集对所述生成对抗网络进行训练，得到训练好的生成对抗网络；利用所述训练好的生成对抗网络中的生成器对待重建的核磁共振图像进行超分辨率重建。可选的，所述第二网络用于根据所述第一网络共享的参数生成第二高分辨率图像，并根据所述第二高分辨率图像对所述第一高分辨率图像进行判别。可选的，所述第二网络利用公式OP1(y1,y2)＝||y1-y2||1计算所述第一高分辨率图像和所述第二高分辨率图像的L1范数；或者利用公式OP2(y1,y2)＝|y1-y2|计算所述第一高分辨率图像和所述第二高分辨率图像的像素差值；其中，y1为所述第一高分辨率图像，y2为所述第二高分辨率图像，OP1(y1,y2)为第一高分辨率图像和第二高分辨率图像的L1范数，OP2(y1,y2)为第一高分辨率图像和第二高分辨率图像的像素差值。可选的，当所述第二网络利用公式OP1(y1,y2)＝||y1-y2||1计算所述第一高分辨率图像和所述第二高分辨率图像的L1范数时；所述第三网络的输入为所述第一高分辨率图像和所述L1范数，所述L1范数作为权重作用至所述第三网络的中间层，输出权重作用后的特征图，得到所述判别结果；当所述第二网络利用公式OP2(y1,y2)＝|y1-y2|计算所述第一高分辨率图像和所述第二高分辨率图像的像素差值时，所述第三网络的输出为所述第一高分辨率图像和第二高分辨率图像的像素差值构成的矩阵。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术通过设计判别器的架构，能够本文档来自技高网...

【技术保护点】
1.一种核磁共振图像超分辨率重建系统，其特征在于，包括：生成对抗网络、数据集构建模块和训练模块；/n所述生成对抗网络包括生成器和判别器，所述生成器用于将核磁共振图像重建为第一高分辨率图像；所述判别器的输入为所述核磁共振图像和所述第一高分辨率图像，所述判别器包括第一网络、第二网络和第三网络，所述第一网络用于共享所述生成器的参数；所述第二网络用于根据所述第一网络共享的参数对所述第一高分辨率图像进行判别；所述第三网络用于输出所述第二网络的判别结果；/n所述数据集构建模块用于构建训练数据集；所述训练数据集中每个训练样本为高分辨率图像样本与对应的低分辨率核磁共振图像构成的一组图片；/n所述训练模块用于利用所述训练数据集对所述生成对抗网络进行训练，得到训练好的生成对抗网络；所述训练好的生成对抗网络中的生成器用于对待重建的核磁共振图像进行超分辨率重建。/n

【技术特征摘要】
1.一种核磁共振图像超分辨率重建系统，其特征在于，包括：生成对抗网络、数据集构建模块和训练模块；
所述生成对抗网络包括生成器和判别器，所述生成器用于将核磁共振图像重建为第一高分辨率图像；所述判别器的输入为所述核磁共振图像和所述第一高分辨率图像，所述判别器包括第一网络、第二网络和第三网络，所述第一网络用于共享所述生成器的参数；所述第二网络用于根据所述第一网络共享的参数对所述第一高分辨率图像进行判别；所述第三网络用于输出所述第二网络的判别结果；
所述数据集构建模块用于构建训练数据集；所述训练数据集中每个训练样本为高分辨率图像样本与对应的低分辨率核磁共振图像构成的一组图片；
所述训练模块用于利用所述训练数据集对所述生成对抗网络进行训练，得到训练好的生成对抗网络；所述训练好的生成对抗网络中的生成器用于对待重建的核磁共振图像进行超分辨率重建。


2.根据权利要求1所述的核磁共振图像超分辨率重建系统，其特征在于，所述第二网络具体包括：
高分辨率图像生成模块，用于根据所述第一网络共享的参数生成第二高分辨率图像；
判别模块，用于根据所述第二高分辨率图像对所述第一高分辨率图像进行判别。


3.根据权利要求2所述的核磁共振图像超分辨率重建系统，其特征在于，所述判别模块利用公式OP1(y1,y2)＝||y1-y2||1计算所述第一高分辨率图像和所述第二高分辨率图像的L1范数；其中，y1为所述第一高分辨率图像，y2为所述第二高分辨率图像，OP1(y1,y2)为第一高分辨率图像和第二高分辨率图像的L1范数。


4.根据权利要求3所述的核磁共振图像超分辨率重建系统，其特征在于，所述第三网络的输入为所述第一高分辨率图像和所述L1范数，所述L1范数作为权重作用至所述第三网络的中间层，输出权重作用后的特征图，得到所述判别结果。


5.根据权利要求2所述的核磁共振图像超分辨率重建系统，其特征在于，所述判别模块利用公式OP2(y1,y2)＝|y1-y2|计算所述第一高分辨率图像和所述第二高分辨率图像的像素差值；其中，y1为所述第一高分辨率图像，y2为所述第二高分辨率图像，OP2(y1,y2)为第一高分辨率图像和第二高分辨率图像的像素差值。


6.根据权利要求5所述的核磁共振图像超分辨率重建系统，其特征在于，所述第三网络的输出为所述第一高分辨率...

【专利技术属性】
技术研发人员：程健，张瑞，张心雨，刘涛，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11