【技术实现步骤摘要】
基于RecNet模型的磁粒子成像重建方法
[0001]本专利技术属于磁粒子成像的图像重建领域,具体涉及一种基于RecNet模型的磁粒子成像重建方法、系统、设备。
技术介绍
[0002]磁粒子成像(magnetic particle image,MPI)是一种全新的断层成像技术,它具有时间分辨率高、无组织背景信号、灵敏性高、无辐射等诸多优点,已经被证实可以用于细胞示踪、血管造影、癌症检测等诸多医学领域,是最有可能进行临床应用的新型成像技术之一。
[0003]MPI重建是将MPI设备中获取的电压信号重建为磁粒子浓度的分布图,目前多采用基于系统矩阵和x
‑
space的重建方法,在基于系统矩阵的重建方法中获取系统矩阵的难度大,且重建结果往往包含噪声和伪影,而x
‑
space的重建方法获取的磁粒子分布图像质量、清晰度较差,影响对MPI结果的判读。基于此,本专利技术提出了一种基于RecNet模型的磁粒子成像重建方法。
技术实现思路
[0004]为了解决现有技术中的上述问题,即为了解决现有的磁粒子成像重建方法中,基于系统矩阵的重建方法获取系统矩阵难度大,重建的结果包含噪声和伪影,x
‑
space的重加方法重建图像质量、清晰度较差的问题,本专利技术第一方面,提出了一种基于RecNet模型的磁粒子成像重建方法,该方法包括:
[0005]S100,获取待成像重建的一维MPI信号,作为输入信号;
[0006]S200,将所述输入信号及其对应的无磁 ...
【技术保护点】
【技术特征摘要】
1.一种基于RecNet模型的磁粒子成像重建方法,其特征在于,该方法包括以下步骤:S100,获取待成像重建的一维MPI信号,作为输入信号;S200,将所述输入信号及其对应的无磁场点速度信号,输入训练好的磁粒子重建模型RecNet进行图像重建,得到二维MPI图像;所述磁粒子重建模型RecNet包含域转换网络和改进的UNet网络;所述域转换网络基于依次连接的1D卷积层、全连接层、拼接层、空间特征提取层构建;所述1D卷积层,配置为分别将一维MPI信号、无磁场点速度信号进行1D卷积处理;所述全连接层,配置为将1D卷积处理后的一维MPI信号转换成二维信号,作为第一信号;将1D卷积处理后的无磁场点速度信号转换成二维信号,作为第二信号;所述拼接层,配置为对所述第一信号、所述第二信号进行拼接,将拼接后的信号作为第三信号;所述空间特征提取层基于依次连接的多个卷积层、批标准化层、非线性激活函数构建;所述空间特征提取层,配置为对所述第三信号进行特征提取;所述改进的UNet网络基于UNet网络和多个1
×
1的卷积层构建,多个1
×
1的卷积层与所述UNet网络的输出层连接;所述改进的UNet网络,配置为对空间特征提取层提取特征进一步提取,并进行图像重建,得到二维MPI图像。2.根据权利要求1所述的基于RecNet模型的磁粒子成像重建方法,其特征在于,所述磁粒子重建模型RecNet,其训练方法为:A100,获取待重建的灰度图像,并对所述灰度图像进行预处理;A200,对预处理后的灰度图像进行MPI仿真,得到一维MPI信号、无磁场点速度信号;A300,将所述一维MPI信号、所述无磁场点速度信号输入预构建的磁粒子重建模型RecNet进行图像重建,得到二维MPI图像,作为重建图像;A400,基于所述重建图像,以及磁粒子重建模型RecNet输入的一维MPI信号、无磁场点速度信号对应的待重建的灰度图像,通过均方误差损失函数得到损失值,进而进行反向传播以更新磁粒子重建模型RecNet的模型参数;A500,循环A100
‑
A400,直至得到训练好的磁粒子重建模型RecNet。3.根据权利要求1所述的基于RecNet模型的磁粒子成像重建方法,其特征在于,对所述灰度图像进行预处理,其方法为:对所述灰度图像进行插值处理,得到插值灰度图像;对插值灰度图像进行随机剪裁,并将随机剪裁后的插值灰度图像放置于第一图像的设定位置,合成新的图像;所述第一图像为像素灰度值全为0、尺寸大小与插值灰度图像大小相同的图像;将合成的图像进行设定度数的旋转,将旋转后的图像作为预处理后的灰度图像;所述设定度数为90度的整数倍。4.根据权利要求1所述的基于RecNet模型的磁粒子成像重建方法,其特征在于,对预处理后的灰度图像进行MPI仿真,其方法为:将预处理后的灰度图像的像素灰度值线性转换为磁粒子的浓度信号;基于磁粒子的浓度信号,结合设定的仿真参数,通过朗之万方程进行MPI仿真,得到一维MPI信号、无磁场点速度信号;所述仿真参数包括磁粒子温度、...
【专利技术属性】
技术研发人员:杜洋,田捷,彭正耀,尹琳,梁倩,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。