基于多重优化的MR图像深度网络超分辨方法技术

基于多重优化的MR图像深度网络超分辨方法，解决了现有利用深度学习网络重建超分辨率MR图像时难以在模型复杂度和训练难度取得较好平衡的问题，属于图像超分辨率重建技术领域。本发明专利技术包括：获取MR图像训练集，包括多切片的低分辨MR图像集和对应的多切片高分辨MR图像集；利用MR图像训练集对超分辨深度学习网络进行训练，超分辨深度学习网络包括融合层和多个超分辨网络，每个超分辨网络的输入为低分辨MR图像，每个超分辨网络的输出同时输入到融合层，融合层输出高分辨MR图像；利用训练完成后的超分辨深度学习网络将低分辨MR图像重建为高分辨MR图像。超分辨网络和融合层在训练时，可采用不同的损失函数的级联。可采用不同的损失函数的级联。可采用不同的损失函数的级联。

【技术实现步骤摘要】
基于多重优化的MR图像深度网络超分辨方法


[0001]本专利技术属于图像超分辨率重建


技术介绍

[0002]MR图像能早期发现更加细小微小的病变组织，因此在病变的定位和病情的诊断方面具有重大的意义，高分辨的MR图像能提供更清晰的结构细节，有助医生对病情的正确分析和诊断。因此在临床应用和科学研究中，更希望获取到高分辨率的MR图像。然而，高分辨MR图像的获取需要更强的磁场强度、更长的辐射扫描时间，因此成像时间过程长并且在成像过程中由于人体的运动将会带来噪声。MR图像分辨率的提升将以成像时间成倍的增加为代价，这极大降低了病人的体验，容易给病人带来心理压力。与通过升级成像设备来提高MR图像分辨率的硬件方法相比，采用软件提升MR图像分辨率是一种经济高效的方法。现有采用字典学习方法提升MR图像分辨率，相比于传统的插值方法，如双三次方插值、近邻插值，以及基于重建的方法，如凸集投影法、最大后验概率发等具有较强的特征表达能力，可以较好的表征高低分辨率MR图像的映射关系，并且分别从字典构造参数优化、训练样本质量优化两个方面提升了MR图像超分辨的性能。虽然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种MR图像深度网络超分辨方法，其特征在于，所述方法包括：S1、获取MR图像训练集，包括低分辨MR图像集和对应的高分辨MR图像集；S2、利用MR图像训练集对超分辨深度学习网络进行训练，低分辨MR图像作为输入，高分辨MR图像作为输出；所述超分辨深度学习网络包括融合层和多个超分辨网络，每个超分辨网络的输入为低分辨MR图像，每个超分辨网络的输出同时输入到融合层，融合层输出高分辨MR图像；S3、利用训练完成后的超分辨深度学习网络将低分辨MR图像重建为高分辨MR图像。2.根据权利要求1所述的MR图像深度网络超分辨方法，其特征在于，所述S2包括：利用MR图像训练集分别对各个超分辨网络进行训练，优化各个超分辨网络的参数，完成各个超分辨网络的训练；将低分辨MR图像作为输入，分别获取完成训练的各个超分辨网络的超分辨结果，将各个超分辨网络的超分辨结果作为融合层的输入，对融合层进行训练，优化融合层的参数，完成融合层的训练。3.根据权利要求2所述的MR图像深度网络超分辨方法，其特征在于，所述S2中，超分辨网络和融合层在训练时，可采用不同的损失函数的级联。4.根据权利要求3所述的MR图像深度网络超分辨方法，其特征在于，所述S2中，对各个超分辨网络/融合层的训练方法为：利用超分辨网络/融合层将MR图像训练集中的低分辨MR图像重建为高分辨MR图像，计算该高分辨...

【专利技术属性】
技术研发人员：刘环宇，李君宝，罗庆，邵明媚，杨一，董博，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：