模型训练方法、图像处理方法和磁共振成像设备技术

本发明专利技术提供了一种模型训练方法、图像处理方法和磁共振成像设备。其中，所述模型训练方法包括：获取训练样本对象的第一图像和第二图像，其中，所述第二图像的对比度高于所述第一图像的对比度；以及，基于所述第一图像和所述第二图像进行神经网络模型训练。如此配置，得到的识别模型内包含了不同的所述目标区域的组织的识别特征，能够精确地区分不同的所述目标区域，同时还具有对原有成像方法和设备改动较小、通用性强、缩短了成像时间的有益效果。图像处理方法和磁共振成像设备基于识别模型设置，也具有同样的效果。本发明专利技术解决了现有技术中用于区分最佳反转时间接近的组织的方法通用性差、耗时长、移植和开发成本高的问题。移植和开发成本高的问题。移植和开发成本高的问题。

【技术实现步骤摘要】
模型训练方法、图像处理方法和磁共振成像设备


[0001]本专利技术涉及磁共振成像
，特别涉及一种模型训练方法、图像处理方法和磁共振成像设备。

技术介绍

[0002]在磁共振领成像领域采用反转恢复技术进行组织抑制处理。在反转恢复技术中，180
°
翻转角的脉冲和90
°
翻转角的脉冲的间隔时长被称为反转时间TI(Time of Inversion)，不同的TI值的选择会影响不同组织的成像抑制效果。对于一种确定的组织，使得其成像抑制效果最佳的TI值被定义为这种组织的最佳反转时间。
[0003]在一些成像场景中，同一区域内的两个或者多个组织具有接近的最佳反转时间，对于这样的区域采用反转恢复技术进行成像时，无论如何设置TI值，上述的组织都会同时被抑制(或者同时不被抑制)，这样就不能有效的对组织进行区分，影响后续的诊断、治疗或者科研工作。
[0004]在现有技术中，常采用注射造影剂的方法，通过改变组织的最佳反转时间，尝试解决上述问题。但是对于一些特殊组织，即使注射造影剂仍然不能有效的区分(例如，钇强化后的肿瘤)，另外，部分病人对造影剂有免疫排斥反应。因此，注射造影剂的方案并非可以针对所有情况。
[0005]另外，也可以通过采用特殊设计的复杂脉冲序列配合复杂的成像算法来尝试解决上述问题，但是，这样的方案成像时间长，移植和开发成本高，例如，在特定的方案被专利技术前就已经出厂的磁共振设备，无法通过简单地改造而实施该方案，并且也不能解决所有工况下的问题。
[0006]综上，对包含有最佳反转时间接近的组织的区域进行磁共振成像时，现有技术中用于区分上述组织的方法存在通用性差、耗时长、移植和开发成本高的问题。

技术实现思路

[0007]本专利技术提供了一种模型训练方法、图像处理方法和磁共振成像设备，以解决对包含有最佳反转时间接近的组织的区域进行磁共振成像时，现有技术中用于区分上述组织的方法存在通用性差、耗时长、移植和开发成本高的问题。
[0008]为了解决上述技术问题，根据本专利技术的第一个方面，提供了一种模型训练方法，用于训练识别模型，所述模型训练方法包括：获取训练样本对象的第一图像，所述第一图像的成像区域包括目标区域和非目标区域，所述目标区域的对应组织的最佳反转时间与所述非目标区域的对应组织的最佳反转时间在设定范围内；所述第一图像为非造影剂增强图像；获取所述训练样本对象的第二图像，所述第二图像的成像区域包括所述目标区域和所述非目标区域，且所述第二图像为造影剂增强图像；基于所述第一图像和所述第二图像进行神经网络模型训练。
[0009]可选的，所述获取所述训练样本对象的第二图像的步骤包括：改变所述目标区域
的对应组织的最佳反转时间，或者，改变所述非目标区域的对应组织的最佳反转时间。
[0010]可选的，所述第二图像基于频率选择性预饱和技术成像。
[0011]可选的，所述基于所述第一图像和所述第二图像进行神经网络模型训练的步骤包括：对所述第一图像和所述第二图像进行预处理；对预处理后的所述第一图像和所述第二图像进行分类，得到训练集图像和测试集图像；将所述训练集图像输入卷积神经网络模型进行训练得到中间训练结果；以及，所述中间训练结果基于所述测试集图像进行测试，若测试结果符合有效性检测条件，将所述中间训练结果设置为所述识别模型；若不符合有效性检测条件，重新训练。
[0012]可选的，所述有效性检测条件包括：识别正确率超过预设正确率。
[0013]可选的，所述对所述第一图像和所述第二图像进行预处理的步骤包括：基于生成对抗网络对所述第一图像和所述第二图像进行增强；以及，对所述第一图像和所述第二图像进行边缘分割。
[0014]可选的，所述对所述第一图像和所述第二图像进行边缘分割的步骤为：基于边缘性检测算法对所述第一图像和所述第二图像进行边缘分割。
[0015]可选的，所述卷积神经网络模型为三层结构的卷积神经网络模型。
[0016]为了解决上述技术问题，根据本专利技术的第二个方面，提供了一种图像处理方法，包括：获取检测对象的第三图像，所述第三图像包括目标区域和至少一个非目标区域，所述目标区域对应组织的最佳反转时间与所述非目标区域对应组织的最佳反转时间在设定范围内；所述第三图像为非造影剂增强图像；以及，基于识别模型对所述第三图像进行处理，得到第四图像，其中，所述识别模型基于上述的模型训练方法训练得到。
[0017]为了解决上述技术问题，根据本专利技术的第三个方面，提供了一种磁共振成像设备，包括：磁共振成像模块，用于获取检测对象的第三图像，所述第三图像包括目标区域和至少一个非目标区域，所述目标区域对应组织的最佳反转时间与所述非目标区域对应组织的最佳反转时间在设定范围内；所述第三图像为非造影剂增强图像；以及，后处理模块，用于基于识别模型对所述第三图像进行处理，得到第四图像，其中，所述识别模型基于上述的模型训练方法训练得到。
[0018]与现有技术相比，本专利技术提供的模型训练方法、图像处理方法和磁共振成像设备中，所述模型训练方法包括：获取训练样本对象的第一图像，所述第一图像的成像区域包括目标区域和非目标区域，所述目标区域的对应组织的最佳反转时间与所述非目标区域的对应组织的最佳反转时间在设定范围内；所述第一图像为非造影剂增强图像；获取所述训练样本对象的第二图像，所述第二图像的成像区域包括所述目标区域和所述非目标区域，且所述第二图像为造影剂增强图像；基于所述第一图像和所述第二图像进行神经网络模型训练。如此配置，通过所述模型训练方法得到的模型内包含了不同的所述目标区域的组织的识别特征，能够精确地区分不同的所述目标区域，同时还具有对原有成像方法和设备改动较小、通用性强、缩短了成像时间的有益效果，解决了现有技术中用于区分上述组织的方法通用性差、耗时长、移植和开发成本高的问题。
附图说明
[0019]本领域的普通技术人员将会理解，提供的附图用于更好地理解本专利技术，而不对本
专利技术的范围构成任何限定。其中：
[0020]图1是本专利技术一实施例的模型训练方法的流程示意图；
[0021]图2是本专利技术一实施例的基于所述第一图像和所述第二图像进行神经网络模型训练的步骤的流程示意图。
具体实施方式
[0022]为使本专利技术的目的、优点和特征更加清楚，以下结合附图和具体实施例对本专利技术作进一步详细说明。需说明的是，附图均采用非常简化的形式且未按比例绘制，仅用以方便、明晰地辅助说明本专利技术实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。
[0023]如在本专利技术中所使用的，单数形式“一”、“一个”以及“该”包括复数对象，术语“或”通常是以包括“和/或”的含义而进行使用的，术语“若干”通常是以包括“至少一个”的含义而进行使用的，术语“至少两个”通常是以包括“两个或两个以上”的含义而进行使用的，此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，用于训练识别模型，所述模型训练方法包括：获取训练样本对象的第一图像，所述第一图像的成像区域包括目标区域和非目标区域，所述目标区域的对应组织的最佳反转时间与所述非目标区域的对应组织的最佳反转时间在设定范围内；所述第一图像为非造影剂增强图像；获取所述训练样本对象的第二图像，所述第二图像的成像区域包括所述目标区域和所述非目标区域，且所述第二图像为造影剂增强图像；基于所述第一图像和所述第二图像进行神经网络模型训练。2.根据权利要求1所述的模型训练方法，其特征在于，所述获取所述训练样本对象的第二图像的步骤包括，改变所述目标区域的对应组织的最佳反转时间，或者，改变所述非目标区域的对应组织的最佳反转时间。3.根据权利要求1所述的模型训练方法，其特征在于，所述第二图像基于频率选择性预饱和技术成像。4.根据权利要求1～3中任一项所述的模型训练方法，其特征在于，所述基于所述第一图像和所述第二图像进行神经网络模型训练的步骤包括：对所述第一图像和所述第二图像进行预处理；对预处理后的所述第一图像和所述第二图像进行分类，得到训练集图像和测试集图像；将所述训练集图像输入卷积神经网络模型进行训练得到中间训练结果；以及，所述中间训练结果基于所述测试集图像进行测试，若测试结果符合有效性检测条件，将所述中间训练结果设置为所述识别模型；若不符合有效性检测条件，重新训练。5.根据权利要求4所述的模型训练方法，其特征在于，所述有效性检测条件包括：识别正确率...

【专利技术属性】
技术研发人员：魏彦辉，
申请(专利权)人：深圳市联影高端医疗装备创新研究院，
类型：发明
国别省市：