一种时空编码磁共振成像超分辨率重建方法及系统技术方案

本发明专利技术提供了一种时空编码磁共振成像超分辨率重建方法及系统。本发明专利技术根据待测样品的特征生成设定量的模拟样品；根据待测样品的时空编码磁共振成像信号采集方案确定模拟实验方案；根据模拟实验方案生成深度神经网络的训练样本集；确定用于时空编码磁共振成像重建的深度神经网络；采用训练样本集训练深度神经网络，获得训练好的深度神经网络；对待测样品的时空编码磁共振成像信号进行预处理，获得待测样品的待重建时空编码磁共振成像数据；将待重建时空编码磁共振成像数据输入训练好的深度神经网络，获得待测样品的高分辨率时空编码磁共振图像。本发明专利技术解决了现有重建方法迭代求解时间长、重建结果未能完全消除混叠伪影、图像边缘信息模糊等问题。边缘信息模糊等问题。边缘信息模糊等问题。

【技术实现步骤摘要】
一种时空编码磁共振成像超分辨率重建方法及系统


[0001]本专利技术涉及超分辨率重建
，特别是涉及一种时空编码磁共振成像超分辨率重建方法及系统。

技术介绍

[0002]超快速磁共振成像对于时间分辨率要求高的临床应用和科研具有重要意义，目前应用最广泛的超快速磁共振成像方法是回波平面成像(Echo Plane Imaging,EPI)。然而EPI仍有着其局限性，特别是在高场条件下，磁场不均匀会造成严重的图像扭曲。2006年Frydman小组提出了时空编码磁共振成像(Spatiotemporally EncodedMagnetic Resonance Imaging,SPEN MRI)方法。SPEN MRI在保持超快速成像良好的时间分辨率的同时，对磁场不均匀和化学位移伪影有较强的抵抗性，但是其空间相位编码特性决定了其图像固有的空间分辨率较低，因此，通常需要对原始图像信号进行超分辨率重建。
[0003]目前已有不少SPEN MRI重建方法，例如共轭梯度下降法、部分傅里叶法、去卷积法、超分辨率增强边缘鬼影去除重建方法、基于残差网络的重建方法等。然而，这些方法存在迭代求解时间长、重建结果未能完全消除混叠伪影、重建结果图像边缘信息模糊等问题。

技术实现思路

[0004]基于此，本专利技术的目的是提供一种时空编码磁共振成像超分辨率重建方法及系统，以获得高分辨率时空编码磁共振图像。
[0005]为实现上述目的，本专利技术提供了一种时空编码磁共振成像超分辨率重建方法，所述方法包括：
[0006]S1：根据待测样品的特征生成设定量的模拟样品；
[0007]S2：根据待测样品的时空编码磁共振成像信号采集方案确定模拟实验方案；
[0008]S3：根据所述模拟实验方案，生成深度神经网络的训练样本集；
[0009]S4：确定用于时空编码磁共振成像重建的深度神经网络；
[0010]S5：采用所述训练样本集对所述深度神经网络进行训练，获得训练好的深度神经网络；
[0011]S6：对待测样品的时空编码磁共振成像信号进行预处理，确定待测样品的待重建时空编码磁共振成像数据；
[0012]S7：将所述待测样品的待重建时空编码磁共振成像数据输入所述训练好的深度神经网络进行重建，获得待测样品的高分辨率时空编码磁共振图像。
[0013]可选地，所述根据待测样品的时空编码磁共振成像信号采集方案确定模拟实验方案，具体包括：
[0014]S21：确定采集待测样品的时空编码磁共振成像信号的脉冲序列；
[0015]S22：确定chirp脉冲的带宽和持续时间、采样回波链时间、采样点数；
[0016]S23：根据实际实验条件，对不均匀的背景场进行建模，得到背景场模型。
[0017]可选地，所述根据所述模拟实验方案，生成深度神经网络的训练样本集，具体包括：
[0018]S31：根据所述模拟实验方案对所述模拟样品进行模拟采样，获得所述模拟样品的时空编码磁共振成像欠采样信号；
[0019]S32：对所述模拟样品的时空编码磁共振成像欠采样信号进行预处理，获得预处理后的模拟样品的时空编码磁共振成像欠采样数据；
[0020]S33：根据所述模拟实验方案在理想实验条件下对所述模拟样品进行模拟采样，获得所述模拟样品的时空编码磁共振成像全采样信号；
[0021]S34：对所述模拟样品的时空编码磁共振成像全采样信号进行预处理，获得模拟样品的全采样时空编码磁共振图像；
[0022]S35：将所述预处理后的模拟样品的时空编码磁共振成像欠采样数据和所述模拟样品的全采样时空编码磁共振图像构成一个训练样本；
[0023]S36：重复S31
‑
S35，生成训练样本集；所述训练样本集包括设定量的训练样本。
[0024]可选地，所述对所述模拟样品的时空编码磁共振成像欠采样信号进行预处理，获得预处理后的模拟样品的时空编码磁共振成像欠采样数据，具体包括：
[0025]将所述模拟样品的时空编码磁共振成像欠采样信号依次沿频率编码维进行一维傅里叶变换，去除二次相位，沿相位编码维进行插值和归一化处理，再根据实际实验条件加入随机噪声，获得预处理后的模拟样品的时空编码磁共振成像欠采样数据。
[0026]可选地，所述根据所述模拟实验方案在理想实验条件下对所述模拟样品进行模拟采样，获得所述模拟样品的时空编码磁共振成像全采样信号，具体包括：
[0027]S331：根据所述模拟实验方案确定全采样点数；
[0028]S332：去除背景场，依据所述全采样点数采用所述模拟实验方案在理想实验条件下对所述模拟样品进行模拟采样，获得所述模拟样品的时空编码磁共振成像全采样信号。
[0029]可选地，所述对所述模拟样品的磁共振成像全采样信号进行预处理，确定模拟样品的全采样时空编码磁共振图像，具体包括：
[0030]将所述模拟样品的磁共振成像全采样信号进行二维傅里叶变换和归一化处理，获得模拟样品的全采样时空编码磁共振图像。
[0031]可选地，所述确定用于时空编码磁共振成像重建的深度神经网络，具体包括：
[0032]S41：确定深度神经网络的网络结构；
[0033]S42：确定深度神经网络的输入和输出通道数；
[0034]S43：确定训练深度神经网络的损失函数。
[0035]可选地，所述对所述待测样品的时空编码磁共振成像信号进行预处理，获得待测样品的待重建时空编码磁共振成像数据，具体包括：
[0036]对所述待测样品的时空编码磁共振成像信号依次沿频率编码维进行一维傅里叶变换，去除二次相位，沿相位编码维进行插值和归一化处理，获得待测样品的待重建时空编码磁共振成像数据。
[0037]本专利技术还提供一种时空编码磁共振成像超分辨率重建系统，所述系统包括：
[0038]模拟样品确定模块，用于根据待测样品的特征生成设定量的模拟样品；
[0039]模拟实验方案确定模块，用于根据待测样品的时空编码磁共振成像信号采集方案
确定模拟实验方案；
[0040]训练样本集生成模块，用于根据所述模拟实验方案，生成深度神经网络的训练样本集；
[0041]深度神经网络确定模块，用于确定用于时空编码磁共振成像重建的深度神经网络的网络结构、输入和输出通道数以及训练深度神经网络的损失函数；
[0042]深度神经网络训练模块，用于采用所述训练样本集对所述深度神经网络进行训练，获得训练好的深度神经网络；
[0043]待重建数据确定模块，用于对待测样品的时空编码磁共振成像信号进行预处理，确定待测样品的待重建时空编码磁共振成像数据；
[0044]重建图像确定模块，用于将所述待测样品的待重建时空编码磁共振成像数据输入所述训练好的深度神经网络进行重建，获得待测样品的高分辨率时空编码磁共振图像。
[0045]可选地，所述模拟实验方案确定模块，具体包括：
[0046]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时空编码磁共振成像超分辨率重建方法，其特征在于，所述方法包括：S1：根据待测样品的特征生成设定量的模拟样品；S2：根据待测样品的时空编码磁共振成像信号采集方案确定模拟实验方案；S3：根据所述模拟实验方案，生成深度神经网络的训练样本集；S4：确定用于时空编码磁共振成像重建的深度神经网络；S5：采用所述训练样本集对所述深度神经网络进行训练，获得训练好的深度神经网络；S6：对待测样品的时空编码磁共振成像信号进行预处理，确定待测样品的待重建时空编码磁共振成像数据；S7：将所述待测样品的待重建时空编码磁共振成像数据输入所述训练好的深度神经网络进行重建，获得待测样品的高分辨率时空编码磁共振图像。2.根据权利要求1所述的时空编码磁共振成像超分辨率重建方法，其特征在于，所述根据待测样品的时空编码磁共振成像信号采集方案确定模拟实验方案，具体包括：S21：确定采集待测样品的时空编码磁共振成像信号的脉冲序列；S22：确定chirp脉冲的带宽和持续时间、采样回波链时间、采样点数；S23：根据实际实验条件，对不均匀的背景场进行建模，得到背景场模型。3.根据权利要求1所述的时空编码磁共振成像超分辨率重建方法，其特征在于，所述根据所述模拟实验方案，生成深度神经网络的训练样本集，具体包括：S31：根据所述模拟实验方案对所述模拟样品进行模拟采样，获得所述模拟样品的时空编码磁共振成像欠采样信号；S32：对所述模拟样品的时空编码磁共振成像欠采样信号进行预处理，获得预处理后的模拟样品的时空编码磁共振成像欠采样数据；S33：根据所述模拟实验方案在理想实验条件下对所述模拟样品进行模拟采样，获得所述模拟样品的时空编码磁共振成像全采样信号；S34：对所述模拟样品的时空编码磁共振成像全采样信号进行预处理，获得模拟样品的全采样时空编码磁共振图像；S35：将所述预处理后的模拟样品的时空编码磁共振成像欠采样数据和所述模拟样品的全采样时空编码磁共振图像构成一个训练样本；S36：重复S31
‑
S35，生成训练样本集；所述训练样本集包括设定量的训练样本。4.根据权利要求1所述的时空编码磁共振成像超分辨率重建方法，其特征在于，所述确定用于时空编码磁共振成像重建的深度神经网络，具体包括：S41：确定深度神经网络的网络结构；S42：确定深度神经网络的输入和输出通道数；S43：确定训练深度神经网络的损失函数。5.根据权利要求1所述的时空编码磁共振成像超分辨率重建方法，其特征在于，所述对所述待测样品的时空编码磁共振成像信号进行预处理，获得待测样品的待重建时空编码磁共振成像数据，具体包括：对所述待测样品的时空编码磁共振成像信号依次沿频率编码维进行一维傅里叶变换，去除二次相位，沿相位编码维进行插值和归一化处理，获得待测样品的待重建时空编码磁共振成像数据。
6.一种时空编码磁共振成像超分辨率重建系统，其特征在于，所...

【专利技术属性】
技术研发人员：蔡淑惠，向鹏程，蔡聪波，王杰超，陈忠，
申请(专利权)人：厦门大学，
类型：发明
国别省市：